Sentiment Analysis pada Tweet berbahasa Indonesia menggunakan Word2Vec Embedding dengan metode klasifikasi SVM dan Naive Bayes

Emerald Taufik Akbar Makerti, Retantyo Wardoyo, Drs., M.Sc., Ph.D.

2023 | Skripsi | ILMU KOMPUTER

Dengan jumlah pengguna aktif sebesar 14.8 juta, netizen Indonesia adalah satu pengguna terbesar media sosial Twitter. Jutaan tweet yang berisikan pikiran dan opini dikirim tiap harinya dalam media sosial Twitter. Maka dari itu, diperlukan otomasi analisa sentimen berbasis Natural Language Processing. Namun, penggunaan ekstraksi fitur one hot vector tidak bisa menyimpan makna semantik dari kata. Maka dari itu digunakan word embedding agar model dapat mengenali makna semantik dari kata.

Penelitian ini berfokus untuk mengembangkan suatu model analisa sentimen berbasis Word2Vec embedding dengan metode klasifikasi SVM dan Naïve Bayes. Pada penelitian ini dataset yang digunakan adalah kumpulan tweet dalam bahasa Indonesia.

Pada penelitian ini kombinasi Word2Vec embedding dengan metode klasifikasi SVM dan Naïve Bayes mampu menghasilkan tingkat akurasi yang cukup tinggi. Arsitektur kombinasi Word2Vec berdimensi 300 dan SVM menghasilkan tingkat akurasi prediksi sentimen sebesar 76,7%, precision sebesar 70,9%, recall sebesar 63.3%, dan F1-score sebesar 66,9%. Model Naïve bayes menghasilkan akurasi sebesar 72,2%, precision sebesar 64%, recall sebesar 57,2%, dan F1-score sebesar 60,4?ngan ekstraksi fitur Word2Vec berukuran 100 dimensi.

With active users clocking in at 14.8 million users, Indonesian netizens are one of the most active users of Twitter social media. Millions of tweets are sent daily to the Twitter platform containing thoughts and opinions. Therefore, there is a need to automate sentiment analysis using Natural Language Processing (NLP). However, feature extraction method using one hot vector will render words semantic meaning to be lost. That’s why we need to use word embedding to keep word semantic meaning recognizable by the model.

This study will focus on developing a sentiment analysis model using Word2Vec embedding with SVM and Naïve Bayes classification method. The dataset that will be used consists of tweets in Indonesian language.

In this study, the combination of Word2Vec embedding with 300-dimension size and SVM produced performance metrics of 76.7?curacy, 70.9% precision, 63.3% recall, and 66.9?-score. While combination of Naïve Bayes and 100-dimension size Word2Vec produced performance metrics of 72.7?curacy, 64% precision, 57.2% recall, 60.4?-score.

Kata Kunci : Analisa sentimen, Word Embedding, Word2Vec, Support Vector Machine, Naïve Bayes, Natural Language Processing