Analisis Sentimen Pengaruh Kombinasi Ekstraksi Fitur Tf-idf Dan Lexicon Pada Ulasan Film Menggunakan Metode Knn

Abstract

Industri film selalu berkembang dengan cepat seiring bertambahnya waktu. Terdapat banyak pertimbangan untuk menentukan film yang berkualitas, ulasan film merupakan salah satu faktor yang memiliki peran penting untuk menentukan film yang berkualitas. Situs IMDb merupakan salah satu platform yang digunakan untuk menampung sentimen seseorang terhadap film. Metode machine learning dapat digunakan untuk memudahkan kita dalam hal meringkas atau melakukan analisis terhadap banyak opini yang ada dalam platform tersebut. Dalam Tugas Akhir ini dibangun sistem analisis sentiment dengan menggunakan metode machine learning KNN dengan menggabungkan fitur ekstraksi TF-IDF dan Lexicon SentiWordNet. Data yang digunakan dalam Tugas Akhir ini adalah data ulasan film dari website iMDB sebanyak 2000. Hasil akhir dari penelitian yang dilakukan ini yaitu analisis terhadap penggabungan metode fitur ekstraksi TF-IDF dengan Lexicon SentiWordnet dan menguji penggunaan fitur seleksi Information Gain (IG). Dari hasil percobaan yang telah dilakukan, penggabungan fitur ekstraksi TF-IDF dengan Lexicon SentiWordnet memiliki hasil akurasi yang tidak lebih tinggi dibandingkan dengan hanya menggunakan fitur ekstraksi TF-IDF yaitu 73.31%, dan penggunaan fitur seleksi IG dengan threshold yang tepat mampu mengoptimasi hasil performansi. Kata kunci : analisis sentimen, KNN, Lexicon SentiwordNet, TF-IDF, ulasan film