Analisis Pengaruh Normalisasi, Tf-idf, Pemilihan Feature-set Terhadap Klasifikasi Sentimen Menggunakan Maximum Entropy (studi Kasus : Grab Dan Gojek)

Abstract

Abstrak

Penggunaan sosial media untuk mengutarakan pendapat sudah menjadi kebiasaan masyarakat.
Opini yang ditulis konsumen sedikit banyak dapat berpengaruh terhadap bisnis perusahaan. Perusahaan
butuh untuk mengevaluasi pelayanan demi kepuasan konsumen dan opini ini dapat sangat bermanfaat dalam
berjalannya prosestersebut. Dengan banyaknya tweet dari konsumen merupakan pekerjaan yang tidak
mudah bagi manusia. Oleh karena itu, pada penelitian ini dibuat suatu sistem yang mampu mengklasifikasi
berbagai opini konsumen yang bersifat positif dan negatif. Untuk menentukan fitur dan bobotnya digunakan
metode TF-IDF, serta metode Maximum Entropy untuk melakukan klasifikasi. Hasil terbaik yang didapat
pada percobaan ini adalah akurasi sebesar 90,67% dan f1-score sebesar 84,3%.
Kata kunci: tweet, opini, klasifikasi, tf-idf, maximum entropy
Abstract
The use of social media to express opinions has become a habit of society today. Consumer opinions
could more or less affect to the company's business. Companies need to evaluate their service for customer
satisfaction and this opinions can be very useful in the process. With the numbers of tweets that must be evaluated
from consumers, it isn’t an easy task for human. Therefore, in this study, a system has been created that is able to
classify consumer opinions into positive and negative classes. Using TF-IDF method to determine the features
and weights, and the Maximum Entropy method for classification. The best results obtained in this experiment
were accuracy of 90.67% and f1-score of 84.3%.
Keywords: tweet, opinion, classification, tf-idf, maximum entropy