ANALISIS SENTIMEN REVIEW APLIKASI TIK-TOK DENGAN ALGORITMA K-NEAREST NEIGHBOR, NAIVE BAYES DAN SUPPORT VECTOR MACHINE

• FANNY FATMA WATI
• 14002213

---

ABSTRAK

ABSTRAK

 

 

Nama                     :     Fanny Fatma Wati

NIM                      :     14002213

Program Studi       :     Magister Ilmu Komputer

Jenjang                  :     Strata Dua (S2)

Konsentrasi           :     Data Mining

Judu                       : “Analisis Sentimen Review Aplikasi Tik-Tok Dengan      Algoritma K-Nearest Neighbor, Naive Bayes Dan Support Vector Machine”

 

Tik-Tok merupakan aplikasi yang dapat digunakan untuk membuat video yang berdurasi kurang lebih 30 detik. Banyaknya pengguna aplikasi Tik-Tok menyebabkan banyaknya penilaian baik positif ataupun negatif, di perlukan metode untuk dapat mengklasifikasikan suatu ulasan secara otomatis dengan analisis sentimen. Tujuan dari penelitian ini adalah mengklasifikasikan analisis review aplikasi Tik-tok dengan mengunakan algoritma KNN, SVM, dan NB untuk menentukan nilai akurasi terbaik dengan menggunakan 2 Model Percobaan Cross Validation dan Partitioning. Penelitian ini menggunakan data 500 positif dan 500 negatif. Hasilnya menunjukan dengan model Partitioning menggunakan metode SVM menghasilkan nilai accuracy 87,667 %, dengan NB nilai accuracy 51,00%, dan KNN (K-3) 82,667%, sedangkan dengan model Cross Validation dengan algoritma SVM menghasilkan accuracy 85,872%, NB sebesar 50,1%  dan dengan KNN (K-3) 80,561%. Dapat di simpulkan bahwa algoritma SVM dengan model partitioning merupakan algortima terbaik dibandingkan dengan KNN, SVM dan NB. Algoritma SVM mendapatkan nilai accuracy  sebesar 87,667 % dengan nilai AUC 0,9482.

 

Kata Kunci: Tik-Tok, Analisa Sentimen, K-Nearest Neighbor, Support Vector Machine, Naive Bayes.

KATA KUNCI

Algoritma,K-Nearest Neighbor,Naive Bayes,Algoritma Multi Support Vector Machine

---

DAFTAR PUSTAKA