Clustering Pada Data Sentimen Transportasi Online Menggunakan Algoritma Dbscan

Abstract

Penelitian ini dilakukan pengelompokan sentimen pada masing –masing data sentimen positif negatif, dan netral menggunakan algoritma DBSCAN (Density-Based Spatial Clustering of Applications With Noise), Tujuan utama dari clustering ini untuk mengelompokkan opini masyarakat yang berdasar pada kesamaan karakteristik atau makna dalam penulisan di antara opini-opini tersebut untuk menentukan positif, negatif, dan netral berdasarkan komentar pada media sosial instagram. Dengan melakukan tahapan preprocessing seperti tokenize, stopword, dan stemming, kemudian dilakukan pembobotan kata dengan menggunakan TF- IDF untuk dapat melakukan pengelompokan opini. Dari hasil Clustering didapatkan hasil dari pengujian dataset positif, negatif, dan netral masing masing diuji coba dengan range nilai min sampel dari 10-50 dan nilai epsilon dari 0,1-1,0 dengan menghasilkan nilai silhouette coefficientnya berbeda beda. Namun untuk nilai terbaik dari ketiga dataset didapatkan pada nilai inputan eps=1,0 dan inputan nilai min sampel = 10, untuk hasil dataset positif nilai silhouette coefficient-nya adalah 0.7800973549904059, untuk hasil dataset netral nilai silhouette coefficient-nya adalah 0.7526159947007542, untuk hasil dataset negatif nilai silhouette coefficient-nya adalah 0.8047251594403672. Kemudian visualisasi data hasil clustering topik tersebut akan ditunjukkan pada perangkat lunak berbasis web yang juga dirancang pada penelitian ini. Kata kunci : Clustering, Preprocessing, Silhouette Coefficient