Perpustakaan Digital ITB

Pada saat ini, perkembangan teknologi machine learning, khususnya pada bidang text classification, di Indonesia berkembang dengan sangat pesat. Hal itu ditandai dengan banyaknya penelitian yang dilakukan yang menghasilkan berbagai banyak metode. Untuk menentukan suatu alternatif metode yang paling baik di antara metode-metode tersebut, salah satu hal yang dapat dilakukan adalah dengan melakukan pengujian berupa analisis sentimen. Feedback yang diberikan oleh pengguna Go-Jek yang ditulis di Twitter dapat dijadikan suatu topik untuk dianalisis. Oleh karena itu, penelitian ini bertujuan untuk menentukan alternatif metode mana yang menghasilkan kinerja paling baik dengan menggunakan dataset yang terkait Go-Jek dan bersumber dari Twitter dan berbahasa Indonesia dalam melakukan analisis sentimen. Pendekatan yang biasa digunakan dalam melakukan text classification, khususnya analisis sentimen, adalah supervised learning. Beberapa metode yang digunakan adalah Support Vector Machine, Naive Bayes Classifier, dan Decision Tree Classifier. Penelitian ini mengombinasikan masing-masing metode tersebut dengan fitur pembobotan TF dan TF-IDF dan fitur n-gram unigram, bigram, dan unigram+bigram. Hasil yang diperoleh dari penelitian ini adalah alternatif metode Naive Bayes Classifier yang dikombinasikan dengan fitur TF-IDF dan fitur unigram menghasilkan kinerja yang paling baik, yaitu dengan precision 84%, recall 84%, dan F-Measure 84%.