Sistem Opinion Mining dengan Metode Pos Tagging dan SVM Untuk Ekstraksi Data Opini Publik pada Layanan JKBM
Abstract
Analisis sentimen atau opinion mining dapat digunakan untuk mengekstrak opini dari baris baris teks menjadi suatu informasi. Salah satu metode yang digunakan adalah Hidden Markov Model (HMM). HMM digunakan untuk memberikan kelas kata secara gramatikal pada suatu kalimat. Setelah kelas kata dapat ditentukan selanjutnya menentukan aturan dengan menggunakan rule based. Dengan menggunakan rule based suatu kalimat dapat ditentukan termasuk opini atau bukan. Penerapan metode Support Vector Machine digunakan untuk mengklasifikasikan opini ke dalam opini positif dan negatif. Data yang digunakan adalah data pada penangan keluhan dan pada opini online pada Unit Pelayanan Teknis Jaminan Kesehatan Bali Mandara Provinsi Bali. Hasil proses opinion mining akan diuji menggunakan metode precission, recall dan akurasi. Hasil penelitian menunjukkan presentase nilai precission, recall dan akurasi memiliki rata rata presentase sebesar 89 persen. Ini menunjukkan metode pos tagging dan SVM mampu mengklasifikasikan kalimat kedalam opini dan menentukan kalimat ke dalam opini positif dan negatif
Downloads
References
[2] Bang Liu, “Sentiment Analysis and Subjectivity in Handbook of Natural Language Processing”, 2010.
[3] Bo Pang and Lilian Lee, “Opinion Mining and Sentiment Analysis Foundations and Trends Information retrieval, vol – volume 2, no. issue 1- 2, pp. 1-135, 2008.
[4] Jurafsky, DS, “An Introduction to Natural Language Processing, Computational Linguistics and Speech Reconigtion”, Pretince – Hall, Inc. New Jersey, 2000.
[5] Kathryn Widhiyanti, “Pos Tagging Bahasa Indonesia Hidden Markov Model dan Rule Based”, 2012
[6] Pravesh Kumar Singh, Moh Shadid Husain, “Methodological Study of Opinion Mining and Sentiment Analysis Techiques”, 2014
[7] AF Wicaksono, “HMM Based Part of Speech Tagger for Bahasa Indonesia”, 2012
[8] Fam Rashel, Andry Luthfi, Arawinda Dinakaramani, "Building an Indonesian Rule Based Part of Speech Tagger", Universitas Indonesia, Depok, Indonesia.
[9] Wibisono Y, “Penggunaan Hidden Markov Model untuk Kompresi Kalimat”, Program Magister Informatika, Institut Teknologi Bandung, 2008.
[10] M Rushdi Saleh, MT Martin – valdivia, A. Monrejo-Raez, L A Urena – Lopez, “Expreiments with SVM to Classifify Opinion in Different Domain”, 2011
[11] George Forman, “BNS Feature Scalling : An Improved Repsentation over TF IDF for SVM”, 2008
Keywords
This work is licensed under a Creative Commons Attribution 4.0 International License