Stemming Pada Preprocessing Twit Berbahasa Indonesia Dengan Mengimplementasikan Algoritma Fonetik Soundex Untuk Proses Klasifikasi

Noviadrianti Noviadrianti, Moc. Arif Bijaksana, Eko Darwiyanto

Abstract

Twitter merupakan layanan jejaring sosial dan microblogging yang memungkinkan penggunanya untuk mengirim dan membaca pesan berbasis teks hingga 140 karakter, dengan kemajuan yang sangat pesat Twitter menjadi objek analisis yang sangat baik untuk berbagai kepentingan, salah satu penelitian yang diminati saat ini terhadap sosial media Twitter adalah analisa sentiment dan opinion mining. Untuk melakukan opinion mining terhadap Twitter menjadi kendala sendiri karena keterbatasan data Twitter dari twit pengguna yang hanya di batasi oleh 140 karakter, selain itu penelitian opinion mining biasanya hanya terfokus pada klasifikasi atau clustering data tetapi tidak banyak menjelaskan tahap Preprocessing, pada dasarnya Preprocessing yang baik akan menghasilkan proses mining yang baik juga, maka perlu berbagai cara untuk memaksimalkan proses Preprocessing pada Twitter salah satunya adalah dengan proses stemming dengan mengimplementasikan algoritma Soundex dimana algoritma ini diharapkan mampu memaksimalkan proses stemming pada Preprocessing untuk proses mining pada Twitter, selain itu metode ini akan di pasangkan dengan berbagai variasi algoritma pembobotan Term Frequency (TF), Feature Term Presence (TP), Term Frequency-Inverse DocumentFrequency (TF-IDF) untuk menemukan pasangan algoritma yang tepat untuk mendukung proses klasifikasi yang baik, klasifikasi dilakukan dengan metode Naïve bayes yang selanjutnya dapat di analisa bagaimana pengaruh algoritma soundex untuk stemming serta pengaruh algoritma pembobotan jika diterapkan pada proses klasifikasi, selain itu penelitian diharapkan mampu menghasilkan algoritma yang memberikan kontribusi yang baik untuk proses stemming data Twitter serta mempelajari bagaiman pengaruh algortitma pembobotan jika dipasangkan dengan algoritma soundex. Setalah dilakukan penelitian terhadap stemming dibandingkan hasil stemming algoritma soundex dengan porter maka didapatkan hasil untuk data uji sebanyak 300 twit bahwa soundex sedikit lebih unggul kemudian diklasifikasikan data hasil stemming dengan soundex dengan beberapa algoritma pembobotan didapatkan hasil nilai akurasi yang sama , berdasarkan analisis didapatkan bahwa algoritma pembobotan tidak berpengaruh kepada hasil klasifikasi.
Kata kunci : Twitter, Algoritma Soundex,Stemming, Preprocessing, Naïve bayes

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0