Komparasi Algoritma Klasifikasi Machine Learning Pada Analisis Sentimen Film Berbahasa Indonesia

Abstract

Abstrak: Analisa Sentimen adalah proses yang bertujuan membedakan antara polarita di
antara tiga harga yaitu positif, negatif dan netral. Opini publik adalah sumber informasi penting
yang dibutuhkan dalam pengambilan keputusan sesorang terhadap suatu produk. Saat ini, opini
konsumen terhadap pengalaman suatu produk semakin meningkat melalui media online. Untuk
membaca opini-opini ini membutuhkan waktu yang banyak, tetapi jika hanya mengambil opini
dalam jumlah yang sedikit dapat menimbulkan bias informasi. Algoritma Klasifikasi seperti
Naïve Bayes (NB), Support Vector Machine (SVM), dan C.45 dapat digunakan peneliti untuk
tujuan melakukan analisa sentimen dari opini suatu produk film. Berdasarkan hal ini, dalam
penelitian ini dilakukan perbandingan dari tiga algoritma tersebut untuk mendapatkan tingkat
pengetesan data yang paling tinggi. Dari penelitian ini didapat kesimpulan bahwa algoritma
Naïves Bayeslah yang mendapatkan tingkat yang paling tinggi. Setelah dilakukan kombinasi
antara algoritma Naïve Bayes dan Algoritma Genetika dengan seleksi fitur untuk meningkatkan
tingkat akurasi dari Naïve Bayes classifier. Evaluasi selesai dilakukan dengan menggunakan
metode 10 fold cross validation. Akurasi dari tingkat pengukuran diukur dengan menggunakan
confussion matrix dan kurva ROC. Hasil akhir yang didapat dari klasifikasi text yang merupakan
penggabungan dari opini positif dan negatif menunjukan terjadi peningkatan dalam hal akurasi
sebesar 73 sampai dengan 80 persen pada algoritma Naïve Bayes.

Kata Kunci: Algoritma Genetika, Analisa Sentimen, Machine, C4.5, Naïve Bayes, Opini,
Support Vector

Abstract: Sentiment analysis is the process aiming to determine whether the polarity of a
towards the positive, negative or neutral. Public opinion is an important source in the decisionmaking
person
to
a
product.
Nowadays
consumers
are
increasingly
making
their
opinions
and

experiences
online.
Reading
those
opinions
are
time-consuming,
but,
if
only
few
opinions
were

read,

the evaluation would be biased. Classification algorithms such as Naive Bayes (NB),
Support Vector Machine (SVM), and C4.5 were proposed by many researchers to be used in
sentiment analysis of movie opinions. Therefore, in this study will be to compare the third is to
get agorima agoritma where most superior in the test data. So Naive Bayes algorithm generated
the most superior. After the Naive Bayes algorithm will be combined with genetic algorithm
feature selection in order to improve the accuracy of Naive Bayes classifier. The evaluation was
done using 10 fold cross validation. While the measurement accuracy is measured by the
confusion matrix and ROC curves. This research resulted in text classification in the form of a
positive or negative opinions Indonesian language film. The results showed an increase in the
accuracy of Naive Bayes 73.00% to 80.50%.

Keywords: C4.5, Genetic Algorith,.Sentimetn Analysis, Naive Bayes, Opinion, Support Vector
Machine.