Perbandingan Feature extraction TF-IDF dan BOW Untuk Analisis Sentimen Berbasis SVM

Kurniawan Tri Putra; Mokhamad Amin Hariyadi; Cahyo Crysdian

Kurniawan Tri Putra Jurusan Magister Informatika, Fakultas Sains dan Teknologi, Universitas Islam Malik Maulana Ibrahim, Malang
Mokhamad Amin Hariyadi Jurusan Magister Informatika, Fakultas Sains dan Teknologi, Universitas Islam Malik Maulana Ibrahim, Malang
Cahyo Crysdian Jurusan Magister Informatika, Fakultas Sains dan Teknologi, Universitas Islam Malik Maulana Ibrahim, Malang

Abstract

Dengan adanya transformasi society 5.0 pegaruh paling besar yang bisa dirasakan saat ini adalah berkembang pesatnya jumlah data yang ada di seluruh dunia baik yang bermanfaat secara langsung maupun data yang tidak bermanfaat secara langsung atau dikenal dengan istilah big data, dengan adanya sumber big data tersebut banyak peneliti-peneliti yang memanfaatkanya menjadi suatu data yang berharga dan berguna jika diproses dan diolah dengan cara yang baik dan benar salah satunya adalah dengan tujuan analisis sentimen. Pada permasalahan yang ada penelitian ini bertujuan untuk mencari dan mendapatkan alur dan teknik yang benar serta memiliki hasil optimal pada pengolahan data teks dengan tujuan analisis sentimen dengan membandingakan penerapan TF-IDF dan BOW yang menggunakan metode SVM. Pada penelitian analisis sentimen menggunakan data teks bersumber dari aplikasi media social twitter hasil yang didapatkan adalah pada penerapan teknik TF-IDF yang dipadukan dengan metode SVM memiliki hasil yang lebih baik dengan nilai Accuracy 86%, Precission 85%, Recall 85% dan F1-Score 85% sedangkan penerapan teknik BOW yang dipadukan metode SVM hanya unggul pada nilai Recall sebesar 89%.