ANALISIS SENTIMEN ENTITAS BERNAMA PADA KALIMAT BERITA ONLINE BERBAHASA INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
ANANDRATHA HARMEDAZIWA, Suprapto, Drs., M.Kom., Dr.
2019 | Skripsi | S1 ILMU KOMPUTERArtikel berita online sudah menjadi pilihan masyarakat dalam membaca berita dikarenakan kemudahan akses yang ditawarkan. Hal ini berdampak pada jumlah artikel berita yang tersedia di internet menjadi semakin banyak. Di dalam sebuah artikel berita biasanya terdapat entitas bernama yang menjadi subjek berita, seperti nama orang, lokasi dan organisasi. Selain itu, di dalam artikel berita juga mengandung sentimen tertentu, diantaranya positif, netral dan negatif. Pengenalan entitas bernama dan analisis sentimen terhadap entitas bernama pada artikel berita online dapat menjadi acuan oleh masyarakat dalam memberikan penilaian terhadap seseorang, lokasi dan suatu organisasi. Pada penelitian ini metode ClassifierBasedTagger diimplementasikan untuk melakukan pengenalan entitas bernama dan metode Support Vector Machine (SVM) diimplementasikan untuk melakukan analisis sentimen dari hasil pengenalan entitas bernama. Pengujian terhadap model klasifikasi menggunakan Confusion Matrix pada pengenalan entitas bernama menghasilkan nilai akurasi 88,4%. Pada analisis sentimen, pengujian model klasifikasi dengan pembobotan TF-IDF dengan parameter Unigram dan Bigram masing-masing menghasilkan nilai akurasi sebesar 76,4 % dan 79,2%.
Online news articles have become the people's choice in reading news because of the ease of access. This has an impact on the number of news articles available on the internet. In a news article there is a named entity that is become the subject of the news, such as the name of the person, location and organization. In addition, news articles also contain certain sentiments, including positive, neutral and negative. Named entities recognition and sentiment analysis of named entities in online news articles can be a reference by the community in providing an assessment of a person, location and an organization. In this study the ClassifierBasedTagger method is implemented to perform the named entity recognition and the Support Vector Machine (SVM) method is implemented to perform sentiment analysis of the results of the named entity recognition. Testing the classification model using the Confusion Matrix on the named entity recognition produces an accuracy value of 88.4%. In sentiment analysis, the classification model testing by TF-IDF weighting with the parameters of Unigram and Bigram each resulted in an accuracy value of 76.4% and 79.2%.
Kata Kunci : pengenalan entitas, analisis sentimen, entity recognition, sentiment analysis, SVM, ClassifierBasedTagger
