Klasifikasi Sentimen pada Sosial Media Berbahasa Indonesia dengan Normalisasi Berbasis Algoritma Levenshtein Distance dan Penanganan Tanda Baca
Tahun 2023 · Penulis: Nauval Achmad Yusufa
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Media sosial memiliki peran yang penting dalam kehidupan masyarakat dan sering digunakan sebagai sumber data dalam analisis sentimen. Salah satu tantangan yang dihadapi ketika menggunakan data dari media sosial adalah keberadaan kata-kata tidak baku, seperti adanya kata singakatan, slang word, dan noise dalam bentuk karakter yang tidak teratur. Untuk mengatasi masalah ini, diterapkan metode normalisasi berbasis Levenshtein Distance dan metode penanganan tanda baca pada tahap preprocessing. Untuk mengetahui pengaruh metode normalisasi, diterapkan 4 skenario pengujian yang dibuat, bervariasi dalam keberadaan metode normalisasi dan penanganan tanda baca pada tahapan preprocessing. Dalam penelitian ini digunakan tiga dataset sekunder: tweet abusif, tweet pilkada, dan tweet COVID dari penelitian terdahulu. Evaluasi dilakukan melalui k-fold cross validation dengan k bernilai 10. Nilai akurasi, presisi, recall dan f1-score dari tiap fold dan digunakan dalam uji paired t-test dan wilcoxon signed rank test untuk memvalidasi secara statistik. Hasil penelitian ini menunjukkan pada sebagian dataset yang digunakan kombinasi dari normalisasi dan penangan tanda baca memberikan performa terbaik. Penerapan normalisasi terdapat peningkatan pada nilai akurasi dan F1-score rata-rata untuk model klasifikasi KNN, sebesar 0,3% dan 0,2% untuk dataset tweet abusif, sebesar 0,4% dan 0,9% untuk dataset pilkada, dan sebesar 0,05% dan 0,15% untuk dataset COVID. Meskipun terdapat peningkatan pada nilai akurasi dan F1-score, dari perhitungan statistik menunjukkan bahwa penerapan normalisasi berbasis Levenshetein Distance tidak berdampak signifikan pada performa kinerja klasifikasi akibat kurang tertanganinya fitur tidak baku.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,859
Tahun 2026 · Penulis: Ratna Puspita Eka Putri
Pengaruh Seleksi Fitur dan Ukuran Data pada Klasifikasi Penyakit Jantung dengan Naive Bayes dan Decision Tree
Penyakit jantung merupakan penyebab utama kematian secara global, yang bertanggung jawab atas sekitar 17,9 juta kematian setiap tahunnya. Deteksi dini melalui machine learning menawarkan solusi yang efisien dan dapat diskalakan, khususnya untuk fasilitas keseh
- Cosine 0,804
Tahun 2026 · Penulis: Darojatul Alya Anwar
Analisis Sentimen Pengguna X Terhadap Penetapan UKT di Indonesia Menggunakan Metode Support Vector Machine
Analisis sentimen merupakan salah satu teknik dalam pengolahan bahasa alami (Natural Language Processing) yang bertujuan untuk mengelompokkan opini atau pandangan masyarakat ke dalam kategori sentimen positif, negatif, dan netral. Teknik ini digunakan untuk me
- Cosine 0,799
Tahun 2025 · Penulis: Suleman Candra Kusuma
Klasifikasi Penyakit Kardiovaskular dengan Ensemble Stacking Menggunakan Catboost sebagai Meta-learner
Penyakit kardiovaskular (CVD) merupakan salah satu penyebab utama kematian di seluruh dunia, sehingga deteksi dini menjadi krusial untuk mencegah komplikasi yang lebih serius. Kemajuan dalam machine learning, khususnya metode ensemble learning, menawarkan pote