contoh slides sidang

22
Analisis Sentimen pada Twitter untuk Menilai Performansi Program Televisi dengan Kombinasi Metode Lexicon-Based dan Support Vector Machine TIARA 1103101143

Upload: tiara-arait

Post on 11-Nov-2015

516 views

Category:

Documents


56 download

DESCRIPTION

Contoh slide sidang mengenai analisis sentimen yang menggunakan data dari twitter

TRANSCRIPT

  • 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

    **