Implementasi Algoritma Random Forest Menggunakan TF-IDF untuk Analisis Sentimen dengan Penerapan Transfer Learning

Islami, Ahsanul Qalbi Fajar (2020) Implementasi Algoritma Random Forest Menggunakan TF-IDF untuk Analisis Sentimen dengan Penerapan Transfer Learning. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Share Alike. Download (430kB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Share Alike. Download (180kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Share Alike. Download (127kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Share Alike. Download (297kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Share Alike. Download (702kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Share Alike. Download (1MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Share Alike. Download (118kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Share Alike. Download (1MB)

Abstract

Penelitian ini melakukan pembahasan mengenai penerapan salah satu algoritma machine learning, yaitu Random Forest yang digunakan untuk melakukan klasifikasi teks menjadi dua kategori, yaitu positif dan negatif dengan menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) sebagai metode untuk mengubah teks berupa bahasa sehari-hari atau natural language menjadi vektor representasi. Penelitian ini menggunakan dataset berupa ulasan dari pengguna kepada Perusahaan Amazon, Yelp, dan IMDB. Pada penerapan nya, penelitian ini menggunakan metode transfer learning untuk mengirimkan informasi yang didapatkan oleh model dari dataset yang telah di-training sebelumnya sebagai starting point untuk dataset selanjutnya pada proses training. Transfer learning yang diterapkan adalah transfer learning feature importances, yaitu dengan menggunakan informasi yang didapat dari model yang telah di-training sebelumnya berupa fitur atau term apa saja yang dianggap penting atau memiliki nilai feature importance lebih dari nol untuk dijadikan fitur atau term training pada dataset selanjutnya. Tujuan metode ini adalah untuk mengurangi fitur atau term pada dataset selanjutnya dan hanya mengambil fitur atau term yang berpengaruh saja. Pada penelitian ini juga menerapkan metode transfer learning dengan mengirim nilai frekuensi dokumen yang mengandung suatu term pada dataset selanjutnya yang akan di-training. Tujuan dari metode ini adalah untuk mengubah nilai IDF suatu fitur atau term dengan informasi dari model dengan dataset yang lebih besar dari dataset untuk membangun model selanjutnya agar dapat mengubah nilai kepentingan suatu term dengan informasi dari dataset yang lebih besar. Dengan penelitian ini diharapkan dapat mengetahui apakah penerapan metode transfer learning dapat memberikan hasil yang positif untuk melakukan klasifikasi sentimen menggunakan algoritma Random Forest, dan memberikan fasilitas untuk masyarakat untuk mengetahui sentimen dari suatu kalimat.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis Sentimen, Random Forest Classifier, Klasifikasi, TF-IDF, Transfer Learning, Feature Importance, n-grams
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	04 Dec 2020 19:37
Last Modified:	08 Aug 2023 05:54
URI:	https://kc.umn.ac.id/id/eprint/14479

Actions (login required)

View Item