Expansion Feature Dengan Word2vec Untuk Analisis Sentimen Pada Opini Politik Di Twitter Dengan Klasifikasi Support Vector Machine, Naïve Bayes, Dan Random Forest

Abstract

Pada saat ini pengguna media sosial sudah sangat banyak apalagi khususnya pengguna Twitter, yang mana para pengguna bisa memberikan pendapat atau memberikan informasi yang lainnya secara bebas dalam bentuk tweet apalagi dalam menanggapi atau memberikan informasi tentang kebijakan public, untuk tweetnya sendiri dibatasi hanya 280 karakter setiap tweet yang di post dengan begitu akan terjadi kesalahan pada kosa kata yang di post. Oleh karena itu pada penelitian ini akan diterapkan metode fitur ekspansi Word2Vec agar bisa mengurangi atau mengatasi terjadinya kesalahan dan ketidakcocokan kosa kata tersebut. Dan juga pada penelitian ini melakukan pengembangan dan perbandingan pada system Analisis Sentimen Twitter menggunakan metode fitur ekspansi Word2Vec dengan menggunakan algoritma klasifikasi Support Vector Machine (SVM), Naïve Bayes, dan Random Forest, dengan system tanpa menggunakan fitur ekspansi. Kata kunci : Sentiment Analysis, Word2Vec, Expansion Feature.