Upload
tiara-arait
View
626
Download
56
Embed Size (px)
DESCRIPTION
Contoh slide sidang mengenai analisis sentimen yang menggunakan data dari twitter
Citation preview
Analisis Sentimen pada Twitter untuk Menilai Performansi Program Televisi dengan Kombinasi Metode Lexicon-Based dan Support Vector Machine
TIARA1103101143
OutlinePendahuluanLandasan TeoriPerancangan Sistem PengujianKesimpulan dan saran
1. Pendahuluan
Latar BelakangTelevisi memberikan pengaruhBanyak yang Menonton(Kuantitas)Belum banyak penilaian baik atau buruknya(Kualitas)Penilaian
Latar Belakang (1)Pengguna Twitter di Indonesia 29,5 JutaBanyaknya pendapat pada Twitter Kombinasi Metode Lexicon-Based & SVMPendapat bisa dijadikan sumber informasi(Sentiment Analysis)
Mengapa Menggunakan Kombinasi Metode?Lexicon-BasedMemberikan nilai presisi yang tinggi
Kamus Harus selalu DiperbaharuiSVMTidak perlu mencari kata opini lewat kamus
Memerlukan Manual Labeling (Data Latih)
Perumusan Masalah & Tujuan Perumusan MasalahPola lain untuk memperkaya penilaian program televisiMengevaluasi metode
TujuanMendapatkan hasil atas baik buruknya suatu acaraMengevaluasi nilai akurasi, presisi, recall, f-meassure
Batasan Masalah Bahasa IndonesiaData OfflineMetode kombinasi Lexicon-based dan SVMAcara : - YKS- Tukang Bubur Naik Haji (TBNH)- Pesbukers- Mata Najwa- Kick Andy
2. Landasan Teori
TwitterMicro blogging = 140 karakterTerdiri dari konten-konten :RT atau Retweet = Reposting atau Repeating# atau Hashtags = memberi tanda (mark), filtering@username atau mention = menandai orang yang diajak bicaraExternal links (contoh : http://amze.ly/8K4n0t) = source luardsb
Contoh
Analisis SentimenCoarse-grained sentiment analysisKeseluruhan DokumenKalimatDigunakan dalam Tugas Akhir ini
Metode Kombinasi Lexicon-Based dan SVMMetode Berbasis Kamus (lexicon)Menentukan Polaritas Kata (+1 atau -1)Penanganan NegasiMenghitung skor fitur atau entitasMetode SVMMenghitung TF-IdfMenentukan Support VectorMendapatkan suatu pola ( garis Hyperplane)Klasifikasi data testing menggunakan pola yang didapat
3. Perancangan Sistem
Gambaran Umum Sistem
3. Pengujian dan Analisis
PengujianSkenario PengujianPengujian dengan menggunakan jumlah data latih dan data uji yang berbedaPengujian terhadap kesimpulan dari tweet yang dianalisis
Dataset
Analisis Hasil Pengujian Metode Kombinasi Lexicon-based dan SVM
Analisis Hasil Pengujian Metode Kombinasi Lexicon-based dan SVM (1)
KesimpulanSistem mampu mengklasifikasikan tweet dengan akurasi berkisar 50%-80% Kick andy, mata najwa positifTbnh, yks, pesbukers negatif
SaranPengembangan kamus Data tweet real-time (online)Penggunaan pembobotan fitur lainPenggunaan SVM dengan kernel lain
RekapanPendahuluanLandasan TeoriPerancangan Sistem PengujianKesimpulan dan saran
**