No image available for this title

Text

Analisis Sentimen E-Wallet di Twitter Menggunakan Support Vector Machine dan Recursive Feature Elimination



Pengelompokan terhadap sentimen positif atau negatif dalam ulasan teks semakin banyak dilakukan secara otomatis untuk mengidentifikasi. Pemilihan fitur dalam klasifikasi adalah hal masalah yangsering tidak terpecahkan. Sebagian besar pemilihan fitur terkait untuk teknik klasifikasi sentimen tidak dapat diatasi dalam hal mengevaluasi fitur signifikan yang mengurangi kinerja klasifikasi. Teknik pemilihan fitur baik dapat meningkatkan kinerja klasifikasi sentimen pada pendekatan pembelajaran mesin. Pertama, dua kumpulan data ulasan pelanggan yaitu berlabel sentimen dan diambil lalu, diproses untuk dievaluasi. Selanjutnya,metode supports vector machine (svm-rfe) dibuat dan diujikan pada dataset. Svm-rfe akan dijalankan untuk mengukur pentingnya fitur dengan memberi peringkat fitur secara berulang-ulang. Untuk klasifikasi sentimen, hanya fitur teratas dari urutan fitur peringkat yang akan digunakan. Akhirnya, kinerja diukur dengan menggunakan akurasi, presisi,recall, dan f1-score. Hasil eksperimen menunjukkan kinerja yang menjanjikan dengan tingkat akuras 81%. Tingkat pengurangan ini signifikan dalam memanfaatkan komputasi secara optimal sumber daya sambil mempertahankan efisiensi kinerja klasifikasi.


Availability

No copy data


Detail Information

Series Title
-
Call Number
-
Publisher JURNAL MEDIA INFORMATIKA BUDIDARMA : Indonesia.,
Collation
006
Language
Indonesia
ISBN/ISSN
2614-5278
Classification
NONE
Content Type
-
Media Type
-
Carrier Type
-
Edition
-
Subject(s)
Specific Detail Info
-
Statement of Responsibility

Other Information

Accreditation
-

Other version/related

No other version available


File Attachment



Information


Web Online Public Access Catalog - Use the search options to find documents quickly