KOMPARASI ALGORITMA KLASIFIKASI UNTUK ANALISIS SENTIMEN REVIEW FILM BERBAHASA ASING

Satria Wira Yudha, Mochamad Wahyudi

Abstract


Industri film secara global terus mengalami perkembangan, baik dari jumlah film yang dihasilkan, jumlah penonton, maupun jumlah perputaran uangnya. Data yang didapatkan dari National Association of Theater Owners (asosiasi pemilik bioskop di Amerika Serikat) menunjukan bahwa ada perkembangan dari tahun 1987 dimana tiket bioskop terjual sebanyak 1,09 milliar tiket, menjadi 1,314 milliar tiket pada tahun 2016 untuk penjualan di wilayah Amerika Serikat dan Kanada. Saat ini, pendapat khalayak umum menjadi sumber yang penting dalam pengambilan keputusan seseorang akan suatu produk. Pendapat orangorang dapat mengurangi ketidakpastian terhadap suatu produk tertentu dan membantu konsumen menyimpulkan kualitas suatu produk tertentu. Analisis sentimen adalah proses yang bertujuan untuk menentukan isi dari dataset yang berbentuk teks bersifat positif, negatif atau netral. Algoritma klasifikasi seperti Naïve Bayes (NB), Support Vector Machine (SVM), dan k-Nearest Neighbour (k-NN) diusulkan oleh banyak peneliti untuk digunakan pada analisis sentimen review film. Setelah melakukan beberapa kali pengujian hasil komparasi algoritma yang diujicobakan di beberapa dataset baik yang, berbahasa Inggris dan Jerman, SVM mendapatkan hasil yang terbaik dengan akurasi 91,92% dan AUC 0,981 pada dataset berbahasa Inggris, sedangkan pada dataset berbahasa Jerman menghasilkan akurasi 90,96% dan AUC 0,978.

Full Text:

PDF

References


Budiono, D.F., Nugroho, A.S., & Doewes. A. (2017). Twitter sentiment analysis of DKI

Jakarta's gubernatorial election 2017 with predictive and descriptive approaches. 2017

International Conference on Computer, Control, Informatics and its Applications (IC3INA).

Buntoro, G.A. (2018). Sentiment Analysis To Prediction Dki Jakarta Governor 2017 On

Indonesian Twitter. International Journal of Science, Engineering and Information

Technology, 2018.

Chandani, V., Wahono, R.S., Purwanto. (2015). Komparasi Klasifikasi Machine Learning dan

Feature Selection pada Analisis Sentimen Review Film. Journal of Intelligent System, Vol.

, No.1. 56 – 60.

Fatyanosa, T.N. & Bachtiar, F.A. (2017). Classification method comparison on Indonesian

social media sentiment analysis. 2017 International Conference on Sustainable Information

Engineering and Technology (SIET).

Rana, S & Singh, A. (2016). Comparative analysis of sentiment orientation using SVM and

Naive Bayes techniques. Dehradun: 2016 2nd International Conference on Next Generation

Computing Technologies (NGCT) Date of Conference: 14-16 Oct. 2016.

Wahyudi, M. & Putri, D. N. (2016). Algorithm Application Support Vector Machine With

Genetic Algorithm Optimization Technique For Selection Features For The Analysis Of

Sentiment On Twitter. Journal of Theoretical and Applied Information Technology 29th

February 2016. Vol.84. No.3. ISSN: 1992-8645.


Refbacks

  • There are currently no refbacks.