Penerapan Metode Support Vector Machine untuk Analisis Sentimen pada Review Pelanggan Hotel
Abstract
Perkembangan internet yang semakin pesat membuat banyak orang mengakses internet untuk mendapatkan berbagai macam informasi, salah satunya dalam mencari informasi ulasan hotel. Ulasan tersebut biasanya akan dijadikan sebagai acuan dan sangat berpengaruh bagi calon pengunjung dalam menentukan hotel mana yang terbaik untuk mereka kunjungi ketika bepergian ke luar kota. Maka dari itu dapat dilakukan analisis sentimen untuk mengklasifikasikan ulasan tersebut apakah bersifat positif atau negatif. Proses klasifikasi sentimen menggunakan metode Support Vector Machine dan pembobotan kata menggunakan bantuan metode Term Frequency-Inverse Document Frequency. Data yang digunakan didapatkan dengan melakukan crawling pada situs Tripadvisor dengan menggunakan library scrapy pada python. Berdasarkan hasil pengujian, Tingkat akurasi yang didapatkan sebesar 88%, nilai precission sebesar 98%, nilai recall sebesar 88%, dan nilai F1 Score sebesar 83%.
References
Amira, S. A., Irawan, M. I. (2019). Opinion Analysis of Traveler Base on Tourism Site Review Utilize Sentiment Analysis Using Support vector machine Method. IPTEK The Journal for Technology and Science.
Basari (2013). Opinion Mining of Movie Review using Hybrid Method of SVM and partical swarm optimazion.
Chory, R. N., Nasrun, M., Setianingsih, C., (2018). Sentiment Analysis on User Satisfaction Level of Mobile Data Services Using Support vector machine (SVM) Algorithm. The 2018 IEEE IoTaIS.
Indriati, Ridok A. (2016). Sentiment Analysis For Review Mobile Application Using Neighbor Method Weighted K-Nearest Neighbor (NWKNN). JEEST 2016.
Khotimah, Sarno R. (2018). Sentimen Detection of Comment Titles in Booking.com Using Probabilistic Latent Semantic Analysis. 6th ICoICT 2018.
Liu & Bing (2012). Sentiment Analysis and Opinion Mining.
Liu & Bing (2010). Sentiment Analysis and Subjectivity, Handbook of Natural Language Processing.
Santosa B. (2010). Tutorial Support vector machine. Teknik Industri ITS.
Sawakoshi, Okada M, Hashimoto K. (2015). An Investigation of Effectiveness of Opinion and Fact sentences for Sentiment Analysis of Customer Reviews. 2015 CCATS.
Shandra, E. N., Setiawan, B. D., Sari, Y. (2019). Klasifikasi Pola Sidik Bibir untuk Menentukan Jenis Kelamin Manusia dengan Metode Gray Level Co-Occurrence Matrix dan Support Vector Machineâ€. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer.
