OPINION MINING PADA REVIEW BUKU MENGGUNAKAN ALGORITMA NAÏVE BAYES
Abstrak: Di era maraknya
penggunaan internet saat ini, jumlah konsumen yang menulis opini dan pengalaman
secara online terus meningkat. Membaca review tersebut secara keseluruhan bisa
memakan waktu, namun, jika hanya sedikit review yang dibaca, maka evaluasi akan
bias. Analisa sentimen bertujuan untuk
mengatasi masalah ini
dengan secara otomatis mengelompokkan review pengguna
menjadi opini positif atau negatif.
Pengklasifikasi Naïve Bayes
adalah teknik machine learning yang
populer untuk klasifikasi
teks, karena sangat sederhana, efisien
dan memiliki performa
yang baik pada banyak domain. Namun, Naïve Bayes
memiliki kekurangan yaitu sangat
sensitif pada fitur
yang terlalu banyak,
yang mengakibatkan akurasi klasifikasi menjadi rendah. Oleh karena itu, dalam
penelitian ini digunakan
penggabungan metode pemilihan
fitur, yaitu Information gain dan Genetic algorithm agar bisa meningkatkan
akurasi pengklasifikasi Naïve Bayes. Penelitian ini menghasilkan klasifikasi
teks dalam bentuk positif atau negatif dari review buku. Pengukuran berdasarkan
akurasi Naive Bayes sebelum
dan sesudah penambahan
metode pemilihan fitur. Evaluasi dilakukan menggunakan 10 fold cross validation. Sedangkan
pengukuran akurasi diukur
dengan confusion matrix dan kurva ROC. Hasil penelitian menunjukkan peningkatan
akurasi Naïve Bayes dari 78.50% menjadi 84.50%.
Penulis: Dinda Ayu Muthia
Kode Jurnal: jptkomputerdd160085
