ANALISIS SENTIMEN BERITA UNIVERSITAS UDAYANA MENGGUNAKAN METODE FULL TEXT SEARCH (NATURAL LANGUAGE) DAN RULE BASED METHOD

  • Siti Rohmatul Khasanah Universitas Udayana
  • I Ketut Gede Darma Putra
  • I Putu Arya Dharmadi

Abstract

Abstrak

Perkembangan teknologi membuat berita online banyak disajikan melalui website. Saat ini banyak berita tentang Universitas Udayana yang ada di berbagai website. Dengan adanya berita tersebut Universitas Udayana dapat melakukan evaluasi untuk meningkatkan citranya dimata publik dengan cara melakukan analisis sentimen berita mengingat Universitas Udayana merupakan salah satu Universitas yang paling diminati di Bali. Data berita didapatkan dengan melakukan web scraping dari beberapa situs berita. Data berita yang didapatkan diproses dengan beberapa tahapan, tahapan tersebut meliputi filtering, stemming, pencocokan kata dengan metode Full Text Search (Natural Language), klasifikasi sentimen dengan metode Rule Based Method, visualisasi dengan web dan pengujian menggunakan confussion matix. Hasil pengujian menunjukkan aplikasi analisis sentimen berita Universitas Udayana dapat bekerja dengan baik untuk mengenali sentimen berita positif sebagai kelebihan Universitas Udayana dan mengenali sentimen berita negatif sebagai kekurangan Universitas Udayana dengan tingkat akurasi sebesar 94%, tingkat presisi positif sebesar 98%, presisi negatif sebesar 84%, presisi netral sebesar 100%, recall positif sebesar 91%, recall negatif sebesar 96%, dan recall netral sebesar 100%.


 


Keywords: Analisis Sentimen, Full Text Search (Natural Language), Rule Based Method, Berita Online Universitas Udayana.

Published
2022-01-25
How to Cite
KHASANAH, Siti Rohmatul; PUTRA, I Ketut Gede Darma; DHARMADI, I Putu Arya. ANALISIS SENTIMEN BERITA UNIVERSITAS UDAYANA MENGGUNAKAN METODE FULL TEXT SEARCH (NATURAL LANGUAGE) DAN RULE BASED METHOD. JITTER : Jurnal Ilmiah Teknologi dan Komputer, [S.l.], v. 3, n. 1, p. 843-852, jan. 2022. ISSN 2747-1233. Available at: <https://ojs.unud.ac.id/index.php/jitter/article/view/82999>. Date accessed: 13 nov. 2024. doi: https://doi.org/10.24843/JTRTI.2022.v03.i01.p20.

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.