Update Artikelilmiah: 32370

DEWI IDDA ROHMANA

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Analisis sentimen adalah sebuah proses memahami, mengekstrak dan mengolah sebuah data berupa text secara otomatis untuk menggali dan menemukan informasi 
dari data text tersebut, apakah mengandung opini negatif atau positif. Penelitian ini bertujuan untuk melakukan analisis sentimen sebuah platform e-commerce di Indonesia yaitu Tokopedia dengan menggunakan proses text mining serta menggunakan metode Multinomial Naïve Bayes dalam melakukan klasifikasi 
kedalam opini negatif atau positif. Ekstraksi fitur dilakukan dengan metode TFIDF. Data tweet akan diambil menggunakan bantuan fitur twitter API. Dataset 
dibuat menjadi dua skenario, data non stemming dan data hasil stemming. Kedua 
skenario memiliki jumlah dataset yang sama yaitu 1188 tweet. Yang dibagi menjadi
1069 data latih dan 119 data uji. Hasil nilai akurasi yang didapatkan adalah 74,8% 
untuk data non stemming dan 76,5% untuk data stemming. Sedangkan nilai 
precision pada dataset hasil non stemming sebesar 72% dan precision dataset 
stemming sebesar 75,3%. Untuk nilai recall dataset non stemming sebesar 66% dan 
recall dataset stemming sebesar 67,7%.

Abtrak (Bhs. Inggris)

Sentiment analysis is a process of understanding, extracting and processing data in 
the form of text automatically to dig and find information from the text data, 
whether it contains negative or positive opinions. This study aims to analyze the 
sentiment of an e-commerce platform in Indonesia, namely Tokopedia, using a text 
mining process and using the Multinomial Naïve Bayes method in classifying 
negative or positive opinions. Feature extraction was carried out using the TF-IDF 
method. Tweet data will be retrieved using the help of the twitter API feature. The 
dataset is made into two scenarios, non-stemming data and stemming data. Both 
scenarios have the same number of datasets, namely 1188 tweets. Which divided 
into 1069 training data and 119 test data. The results of the accuracy value 
obtained are 74.8% for non-stemming data and 76.5% for stemming data. While 
the precision value in the non-stemming dataset was 72% and the precision of the 
stemming dataset was 75.3%. For non-stemming recall dataset value is 66% and 
recall stemming dataset is 67.7%.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman