Analisa Sentimen Data Text Preprocessing Pada Data Mining Dengan Menggunakan Machine Learning

Teks merupakan data perhari yang sangat mudah dihasilkan di zaman media sosial ini. Dengan banyaknya teks tersedia internet, <em>data mining</em> seperti analisa sentimen dapat dilakukan untuk kebutuhan strategis. Namun melakukan preprocessing pada masih mendapatkan tantangan tersendiri. Seperti perlakuan <em>stopwords</em>, <em>stemming</em> atau normalisasi dalam tahap ini tentunya akan mempengaruhi akurasi dari hasil mining tersebut. Oleh karena itu penelitian melihat pengaruh terhadap model dengan machine learning. Classifier digunakan adalah Naïve Bayes pengklasifikasian sentiment ulasan positif negatif. Dan dataset 50.000 <em>Internet Movie Database</em> (IMDB) dibagi menjadi 25.000 <em>training set</em> dan <em>testing set</em>. Di masing-masing itu, terdapat 12.500 tersebut, tiga berbeda yaitu; Baseline dimana dibiarkan original tidak apa-apa, Stopwords kata-kata berulang dianggap sebagai kata penghubung klausal dihapus menyisakan kalimat intinya saja, Stemming dinormalisasi dipotong akar kalimatnya saja. Ketiga diimplemetasikan <em>model learning</em> sentimen. Ulasan baru juga dibuat menguji ketiga Tentunya didapatkan Hal membuktikan bahwa preprocessing</em> berpengaruh dilakukan. Dalam ini, paling tinggi akurasinya