contoh slides sidang
DESCRIPTION
Contoh slide sidang mengenai analisis sentimen yang menggunakan data dari twitterTRANSCRIPT
-
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
**