KLASIFIKASI SENTIMEN TERHADAP TOKOH …i KLASIFIKASI SENTIMEN TERHADAP TOKOH PUBLIK PADA TWITTER...

i

KLASIFIKASI SENTIMEN TERHADAP TOKOH PUBLIK PADA

TWITTER MENGGUNAKAN ALGORITMA

K-NEAREST NEIGHBOR

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh

Gelar Sarjana Komputer

Program Studi Teknik Informatika

Oleh :

Adres Kusumawardhana

155314008

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2019

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ii

SENTIMENT CLASSIFICATION OF THE PUBLIC FIGURE ON

TWITTER USING K-NEAREST NEIGHBOR ALGORITHM

A THESIS

Presented as Partitial Fulfillment of Requirments to Obtain Sarjana Komputer

Degree in Informatics Engineering Department

By :


155314008

INFORMATICS ENGINEERING STUDY PROGRAM

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2019


iii

HALAMAN PESETUJUAN PEMBIMBING

SKRIPSI


TWITTER MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

Oleh :


155314008

Telah Disetujui oleh :

Pembimbing,

Robertus Adi Nugroho, S.T., M.Eng. Tanggal.…………


iv

HALAMAN PENGESAHAN



Diperoleh dan ditulis oleh :

ADRES KUSUMAWARDHANA

NIM : 155314008

Telah dipertahankan di depan Penguji pada tanggal…………...

Susunan Panitia Penguji

Nama Lengkap Tanda Tangan

Ketua : Puspaningtyas Sanjoyo Adi, S.T., M.T. ……………...

Sekretaris : Drs. Haris Sriwindono, M.Kom, Ph.D. ……………...

Anggota : Robertus Adi Nugroho S.T., M.Eng. ……………...

Yogyakarta, ……………………………

Fakultas Sains dan Teknologi

Universitas Sanata Dharma

Dekan,

Sudi Mungkasi, S.Si., M.Math.Sc., Ph.D.


v

HALAMAN MOTO

“ nggak selesai-selesai kuliahnya, cepet selesaiin habis itu kerja jangan lupa

kasih uang ke ibuk” – ibuk. 2019


vi

HALAMAN PERSEMBAHAN

“Tuhan Yang Maha Esa”

“Órangtua”

“Setiap Orang yang Selalu Bertanya Kapan Lulus”


vii

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa di dalam skripsi yang saya

tulis ini tidak memuat karya atau bagian dari orang lain, kecuali yang telah

disebutkan dalam kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah

Yogyakarta, 31 Juli 2019.

Penulis



viii

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH

UNTUK KEPENTINGAN AKADEMIS

Yang bertanda tangan dibawah ini, sata mahasiswa Universitas Sanata Dharma:

Nama : Adres Kusumawardhana

NIM : 155314008

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan

Universitas Sanata Dharma karya ilmiah yang berjudul :



Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan

kepada perpustakaan Universitas Sanata Dharma hak untuk menyimpan,

mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan

data mendistribusikan secara terbatas , dan mempublikasikannya di internet atau

media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya

maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya

sebagai penulis.

Demikian pernyataan ini saya buat sebenarnya

Yogyakarta, 31 Juli 2019

Yang menyatakan,



ix

ABSTRAK

Keberadaan twitter telah banyak digunakan masyarakat luas untuk menulis suatu

opini terhadap semua hal yang ada, salah satunya membicarakan tentang tokoh-

tokoh publik tertentu. Tokoh yang dinilai merupakan tokoh yang dianggap layak

untuk dipilih sebagai pemimpin suatu negara terutama di Indonesia. Oleh karena

itu, penelitian ini mencoba untuk menganalisis twitter berbahasa Indonesia yang

memiliki opini tentang tokoh-tokoh publik di Indonesia. Pada penelitian ini terdiri

dari beberapa tahap. Tahap pertama adalah proses pre-processing yang terdiri dari

proses case folding, tokenisasi, stemming, normalisasi kata, dan stopword

removal. Selanjutnya pada tahap kedua adalah dengan melakukan pembobotan

kata menggunakan metode TF-IDF. Pada tahap terakhir yaitu melakukan

klasifikasi dengan metode klasifikasi tweet yang berisi tentang pihak tertentu.

Metode klasifikasi yang dilakukan dalam penelitian ini adalah K-Nearest

Neighbor. Hasil yang diperoleh dari analisis sentimen terhadap tokoh publik

menggunakan algoritma K-Nearest Neighbor memperoleh akurasi tertinggi ketika

menggunakan 20-fold dengan jumlah tetangga nilai k=1 sebesar 68,3%.

Kata kunci : klasifikasi, tf-idf, K-Nearest Neighbor.


x

ABSTRACT

The existence of Twitter has been widely used by the public to write an opinion

on all things that exist, one of which is talking about certain public figures. Those

who are being talked are public figures who are considered worthy to be elected

as the leader of a country especially in Indonesia. Therefore, this research

attempts to analyze Indonesian-language Twitter which has opinions on public

figures in Indonesia. This research consists of several stages. The first stage is pre-

processing process consisting of case folding, tokenisasi, stemming, normalisasi

kata, and stopword removal. The second stage is word weighting using TF-IDF

method. Finally, the last step is doing the classification using Tweet classification

that contains certain parties. The classification method used in this research is K-

Nearest Neighbor. The sentiment analysis toward public figures using K-Nearest

Neighbor algorithm results the highest accuracy when using 20-fold with the

number of neighboring k=1 at 68,3%.

Key words: classification, tf-idf, K-Nearest Neighbor.


xi

KATA PENGANTAR

Puji dan syukur penilis panjatkan kepada Tuhan Yang Maha Esa atas

penyertaannya dalam penyususnan skripsi ini sehingga dapat berjalan dengan

baik dan lancar.

Skripsi merupakan salah satu syarat mahasiswa untuk mendapatkan gelar

Sarjana pada Teknik Informatika, Fakultas Sains dan Teknologi, Universitas

Sanata Dharma Yogyakarta.

Berkat bimbingan serta dukungan oleh beberapa pihak yang selalu

mendukung untuk menyelesaikan skripsi. Pada kesempatanan ini dengan segenap

kerendahan hati penulis menyampaikan rasa terimakasih kepada :

1. Tuhan Yang Maha Esa yang telah memberikan berkat dan rahmat kepada

penulis

2. Bapak Jentot Suyono dan Ibu Suharti, Saudara Saka Adhi Yudha, Saudari

Mega Kusumawardhani yang selalu memberi bantuan, motivasi dan doa

sehingga memberikan semangat dalam menyelesaikan penelitian ini.

3. Bapak Robertus Adi Nugroho selaku pembimbing tugas akhir yang sudah

bersedia meluangkan waktu dan tenaga untuk memberikan arahan,

masukan serta motivasi kepada penulis

4. Seluruh Dosen Teknik Informatika Universitas Sanata Dharma yang telah

mendidikan dan memberi ilmu pengetahuan yang digunakan dalam

penulisan tugas akhir ini.

5. Elizabeth Tisna Lea Desika yang menemani pengerjaan penelitian,

memberikan semangat dan motivasi dalam mengerjakan penelitian ini

6. Teman – teman “Tempe Benguk” yang selalu menghibur dalam

pengerjaan penelitian ini.

7. Saudara Jery Feridano, Saudara Vincentius Bayu yang telah meluangkan

waktu dan tenaga untuk membantu menemani penulis bertukar pikiran.

8. Saudari Natalia Ambarwati, Saudari Anindya Sabrina, Saudara Kevin,

Saudara Peter, Saudara Bima, Saudari Maria, Saudari Giska, Saudari Ruth,


xii

Saudari Yerni, Saudari Uni, Saudari El, Saudari Ventya, Saudara Jovi,

Saudara Bagas, Saudara Tubagus, Saudara Tinus, Saudara Peter yang

memberi semangat dalam mengerjakan penelitian ini didalam Ruang

Akses Mahasiswa (RAM).

9. Teman – teman dari seluruh mahasiswa Teknik Informatika Universitas

Sanata Dharma yang telah berdinamika selama dalam perkuliah.

Yogyakarta, 31 Juli 2019



xiii

DAFTAR ISI

KLASIFIKASI SENTIMEN TERHADAP TOKOH PUBLIK PADA TWITTER

MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR ........................... i

SENTIMENT CLASSIFICATION OF THE PUBLIC FIGURE ON TWITTER

USING K-NEAREST NEIGHBOR ALGORITHM ............................................. ii

HALAMAN PESETUJUAN PEMBIMBING ..................................................... iii

HALAMAN PENGESAHAN .............................................................................. iv

HALAMAN MOTO ............................................................................................. v

HALAMAN PERSEMBAHAN .......................................................................... vi

PERNYATAAN KEASLIAN KARYA ............................................................. vii

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH

UNTUK KEPENTINGAN AKADEMIS .......................................................... viii

ABSTRAK ........................................................................................................... ix

ABSTRACT .......................................................................................................... x

KATA PENGANTAR ......................................................................................... xi

DAFTAR ISI ...................................................................................................... xiii

DAFTAR GAMBAR .......................................................................................... xv

DAFTAR TABEL .............................................................................................. xvi

BAB I PENDAHULUAN ..................................................................................... 1

1.1 Latar Belakang ....................................................................................... 1

1.2 Rumusan Masalah .................................................................................. 2

1.3 Tujuan Penelitian .................................................................................... 2

1.4 Manfaat Penelitian .................................................................................. 3

1.5 Batasan Penelitian .................................................................................. 3

1.6 Metodologi Penelitian ............................................................................ 3

1.7 Sistematika Penulisan ............................................................................. 4

BAB II LANDASAN TEORI .............................................................................. 5

2.1. Text Mining ............................................................................................. 5

2.1.1. Pre-processing ................................................................................. 5

2.2 . Pembobotan TF-IDF ........................................................................... 11

2.3 . K-Fold Cross Validation .................................................................... 12

2.4 K-Nearest Neighbor ............................................................................. 12

2.5 Confusion Matiks .................................................................................. 14


xiv

BAB III METODE PENELITIAN...................................................................... 16

3.1 Pengumpulan Data .................................................................................... 16

3.2 Deskripsi Sistem ................................................................................... 16

3.3 Spesifikasi ............................................................................................ 17

3.3.1. Hardware ....................................................................................... 17

3.3.2. Software ........................................................................................ 17

3.4 Tahapan Penelitian ............................................................................... 17

3.4.1 Studi Pustaka ................................................................................. 17

3.4.2 Pengumpulan Data ........................................................................ 17

3.4.3 Perancangan Sistem ...................................................................... 18

3.4.4 Evaluasi dan Analisis Hasil Penelitian .......................................... 18

3.5 Desain Interface .................................................................................... 18

3.6 Gambaran Umum Sistem ..................................................................... 19

3.6.1. Data ............................................................................................... 19

3.6.2. Pre-processing .............................................................................. 19

3.6.3 Pembobotan TF-IDF ..................................................................... 25

3.6.4 K-Nearest Neighbor ...................................................................... 29

3.6.5 Penghitungan Akurasi ................................................................... 29

BAB IV HASIL DAN ANALISA HASIL ........................................................ 31

4.1 Hasil & Analisis ................................................................................... 31

4.1.1 Pengujian Perbandingan Hasil Akurasi K-Nearest Neighbor Secara

Manual dengan Hasil Akurasi K-Nearest Neighbor Menggunakan Perangkat

Lunak ....................................................................................................... 32

4.1.2 Dataset ........................................................................................... 33

BAB V PENUTUP .............................................................................................. 36

5.1 Kesimpulan ........................................................................................... 36

5.2 Saran ..................................................................................................... 36

DAFTAR PUSTAKA ......................................................................................... 37

LAMPIRAN ........................................................................................................ 38


xv

DAFTAR GAMBAR

Gambar 2.1 Hasil Tokenisasi……………………………………………………………...7

Gambar 2.2 Hasil Stemming……………………………………………………………....7

Gambar 2.3 K-Fold Validation dengan K sebesar 3……………………………………..13

Gambar 2.4 Model Klasifikasi K-Nearest Neighbor…….……………………………….14

Gambar 3.1 Contoh Data Tweet……………………………………………….………....16

Gambar 3.2 Desian Interface……………………………………………………………..18

Gambar 3.3 Gambaran Umum Sistem…………………………………………………...19

Gambar 3.4 Kumpulan Data……………………………………………………………...19

Gambar 3.5 Hasil Proses Case Folding………………………………………….……….20

Gambar 3.6 Proses Hasil Tokenisasi……………………………………………………..21

Gambar 3.7 Hasil Tokenisasi…………………………………………………………….22

Gambar 3.8 Proses Hasil Stemming……………………………………………………...22

Gambar 3.9 Hasil Stemming……………………………………………………………...23

Gambar 3.10 Proses Hasil Normalisasi Kata…………………………………………….23

Gambar 3.11 Contoh Hasil Normalisasi Kata………………………………………...….24

Gambar 3.12 Proses Hasil Stopword Removal…………………………………………..24

Gambar 3.13 Contoh Hasil Stopword Removal……………………………………….....25

Gambar 3.14 Proses Perhitungan Term Frequency………………………………………25

Gambar 3.15 Contoh Term Frequency………………………………………...………...26

Gambar 3.16 Proses Perhitungan Document Frequency…………………………………26

Gambar 3.17 Contoh Hasil Document Frequency……………………………………….26

Gambar 3.18 Proses Perhitungan Inverse Document Frequency………………………...27

Gambar 3.19 Contoh Hasil Inverse Document Frequency………………………………27

Gambar 3.20 Proses Perhitungan Bobot (Weight) ………………………………………28

Gambar 3.21 Contoh Hasil Bobot (Weight) ……………………………………………..28

Gambar 3.22 Hasil Confusion Matrix………………………………………...………….30

Gambar 4.1 Hasil akurasi sistem………………………………………...………………..33

Gambar 4.2 Hasil tampilan percobaan………………………………………...…………34

Gambar 4.3 Akurasi 10-fold………………………………………...…………………....34

Gambar 4.4 Akurasi 20-fold………………………………………...……………………35


xvi

DAFTAR TABEL

Tabel 2.1 Aturan Awalan yang Tidak Diizinkan……………………………………..8

Tabel 2.2 Aturan Pelurusan Kata Dasar………………………………………...……...9

Tabel 2.3 Hasil Stopword Removal………………………………………...………...12

Tabel 2.4 Tabel Confusion Matrix………………………………………...………….15

Tabel 3.1 Contoh Prediksi Confusion Matrix………………………………………..30

Tabel 4.1 Tabel Perrhitungan Manual TF-IDF……………………………………...39

Tabel 4.2 Uji Coba 1-Fold………………………………………...…………………...40

Tabel 4.3 Jarak Urut 1-Fold………………………………………...………………….40

Tabel 4.4 Perhitungan Manual 2-Fold………………………………………...……....41

Tabel 4.5 Jarak urut 2-Fold………………………………………...………………….41

Tabel 4.5 Perhitungan Manual 3-Fold………………………………………...………42

Tabel 4.6 Jarak Urut 3-Fold………………………………………...………………….42


Tabel 4.8 Jarak urut 4-Fold………………………………………...…………………..43


Tabel 4.10 Jarak Urut 5-Fold………………………………………...………………...44

Tabel 4.11 Confusion Matrik 1………………………………………...……………...45





Tabel 4.16 Akurasi Total………………………………………...…………………….45


1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Indonesia merupakan negara yang menganut sistem demokrasi. Hal ini

ditandai dengan adanya pemilihan umum untuk menentukan presiden dan wakil

presiden. Pada umumnya pemilihan umum diadakan secara periodik. Terdapat

pasangan yang ingin maju dalam pemilihan umum sebagai calon presiden, tentu

akan menumbuhkan opini-opini dari masyarakat. Dengan berbagai opini, kritik

dan saran yang disampaikan melalu media sosial. Dalam perkembangan teknologi

terdapat berbagai macam media sosial. Salah satu media sosial yang digunakan

adalah twitter.

Twitter merupakan salah satu alat komunikasi yang popular dikalangan

pengguna internet. Twitter memiliki layanan media sosial yang memungkinkan

penggunanya untuk mempublikasikan pesan pendek yang didalamnya dapat

berisikan opini, kritik dengan batasan karakter terbatas (kurang dari 140 karakter).

Tweet merupakan pesan singkat yang berada dalam twitter. Tweet yang

seringkali digunakan untuk mengungkapkan komentar dapat disertai dengan

emosi penulis. Emosi ini dapat berisi positif dan negatif. Emosi positif dapat

berisikan rasa senang, bangga, cinta serta perasaan yang menguntungkan. Emosi

negatif dapat berisikan rasa marah, sedih, menghujat, atau perasaan yang

merugikan. Pengenalan emosi dapat dilakukan dengan analisis sentimen. Analisis

sentimen merupakan pengelompokan polaritas dari teks yang ada dalam suatu

dokumen pada kasus ini merupakan tweet, dengan pendapat yang dikemukakan

tersebut merupakan pendapat bersifat negatif atau positif.

Dalam sebuah penelitian implementasi algoritma K-Nearest Neighbor dalam

pengklasifikasian follower twitter yang menggunakan Bahasa Indonesia (Rivki,

Bachtiar, 2017). Penelitian tersebut bertujuan untuk membantu memudahkan

pengguna twitter untuk melakukan promosi dengan tweet promosi terhadap

follower yang sudah diklasifikasikan. Dalam penelitian ini dapat diketahui bahwa


2

algoritma K-Nearest Neighbordengan akurasi 68% dari data uji mulai bertahap

mulai dari 25, 50, hingga 100 data latih.

Penelitian terkait juga pernah dilakukan terhadap K-Nearest Neighbor untuk

rekomendasi keminatan studi (Anshori, 2018). Pada penelitian tersebut bertujuan

untuk membantu mengklasifikasikan dengan mempunyai 5(lima) peminatan,

karena dalam masalahnya sering kali mahasiswa tidak sesuai peminatannya yang

sesuai dengan bakat, keinginan serta nilai mata kuliah wajib yang sudah ditempuh.

Pengujian tersebut dilakukan dengan membandingkan hasil keminatan yang sudah

diverifikasi oleh akademik dengan hasil yang diperoleh dari perhitungan sistem

berdasarkan 30 data uji dengan hasil yang paling optimal adalah menggunakan

dengan nilai K bernilai 10. Pada penilitain tersebut juga memiliki hasil akurasi

76,66%

Peneliti tertarik untuk mengambil topik ini dengan tujuan untuk mengetahui

berapa presentase yang diperoleh dalam tweet bersifat positif dan negatif

berdasarkan data yang sudah diteliti dari penelitian sebelumnya dengan judul

Analisis Sentimen Terhadap Tokoh Publik Pada Twitter(Pamungkas, Taufik,

2018) dengan menggunakan algoritma K-Nearest Neighbor.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang dikemukan diatas, permasalahan yang

dibahas dalam penelitian ini, yaitu :

1. Bagaimana pendekatan K-Nearest Neighbor mampu mengklasifikasikan

komentar di Twitter?

2. Bagaimana tingkat akurasi klasifikasi twitter menggunakan metode K-

Nearest Neighbor?

1.3 Tujuan Penelitian

Tujuan yang ingin dicapai dari penelitian ini adalah sebagai berikut :

1. Untuk membuat sistem yang mampu mengklasifikasi tweet menggunakan

K-Nearest Neighbor.

2. Untuk mengetahui hasil akurasi klasifikasi sentimen dengan K-Nearest

Neighbor.


3

1.4 Manfaat Penelitian

Dapat membantu masyarakat untuk menganalisis komentar dalam tweet untuk

mendapatkan klasifikasi menggunakan K-Nearest Neighbor.

1.5 Batasan Penelitian

1. Tweet yang digunakan hanya tweet berbahasa Indonesia.

2. Tweet yang digunakan hanya tweet berupa text, tidak mengandung gambar,

emoji, hashtag

3. Data yang dikumpulkan dengan format .xls

4. Data yang digunakan dari penelitian sebelumnya dengan judul analisis

sentimen dan klasifikasi kategori terhadap tokoh publik pada twitter.

1.6 Metodologi Penelitian

Langkah – langkah yang digunakan untuk melakukan penelitian ini adalah

sebagai berikut :

1. Studi Pustaka

Penggunaan studi pustaka untuk penelitian ini adalah untuk mencari dan

memperlajari sumber-sumber mengenai metode K-Nearest Neighbor untuk

pengklasifikasian data teks.

2. Observasi

Melakukan pencarian data dari penelitian sebelumnya dan dari berbagai

tweet pada twitter.

3. Antarmuka

Penggunaan antarmuka pada penelitian ini adalah untuk mempermudah

dalam melakukan demo kla terhadap tokoh publik menggunakan

klasifikasi K-Nearest Neighbor.

4. Pengujian

Penggunaan pengujian dalam penelitian ini adalah untuk mengukur

ketepatan dalam akurasi klasifikasi menggunakan metode K-Nearest

Neighbor.


4

1.7 Sistematika Penulisan

Laporan ini disusun secara sistematika yang tersusun dari beberapa bab,

diantaranya sebagai berikut :

BAB I : Pendahuluan

Bab ini berisikan latar belakang yang menguraikan tentang konsep dasar

pembuatan penelitian, yang diuraikan tentang rumusan masalah, tujuan penelitian,

manfaat penelitian, batasan penelitian, metodologi penelitian dan sistematika

penelitian.

BAB II : Landasan Teori

Bab ini berisikan tentang teori-teori yang digunakan untuk penelitian tersusun

dari analisis sentimen, text mining, pre-processing, Pembobotan TF-IDF,

Klasifikasi K-Nearest Neighbor, Euclidean Distance, K-Fold Validation.

BAB III : Metodologi Penelitian

Pada bab ini berisikan tentang metode, langkah-langkah dan desain proses

analisis, klasifikasi serta identifikasi.

BAB IV : Hasil dan Analisa Hasil

Pada bab berisikan tentang implementasi dan hasil dari perancangan yang

telah dibuat.

BAB V : Penutup

Pada bab ini berisikan kesimpulan dan saran untuk pengembangan lebih

lanjut


5

BAB II

LANDASAN TEORI

2.1. Text Mining

Text mining adalah ilmu yang bertujuan untuk memproses teks agar menjadi

informasi yang diperoleh dari peramalan pola dan kecenderungan melalui pola

statistik (Jiawei, et al., 2012). Text mining bertujuan untuk menganalisis

pendapat, sentimen, evaluasi, sikap, sehingga dapat diketahui informasi bagi

pengguna. Text mining mencoba untuk mengekstrak infomasi yang berguna dari

sumber data melalui identifikasi dan eksplorasi dari suatu pola menarik. Text

mining biasanya digunakan pada masalah klasifikasi, klastering, pemerolehan

informasi dan information extraction (Nugroho, 2016). Dalam kasus ini untuk

data tweet yang memiliki jumlah data yang banyak, sulit untuk menganalisis

sentimen didalamnya. Disini peran yang dilakukan untuk secara otomatis dapat

mengolah kata dan mengetahui sentimen dari kumpulan tweet. Pada text mining

tahap pertama untuk mengolah kata untuk dapat diproses ke tahap selanjutnya

sebagai berikut :

2.1.1. Pre-processing

Pre-processing merupakan tahapan awal dan tahap paling penting dari proses

text mining untuk mengubah data sesuai dengan format yang akan dibutuhkan

dalam proses selanjutnya. Pre-processing dilakukan untuk mendapatkan data yang

akurat. Dalam pre-processing teks, ada beberapa langkah seperti Case Folding,

Tokenisasi, Stopword Removal, Stemming. (Sharma, Agrawal, Lalit, & Garg,

2017). Tujuan dari pre-processing adalah untuk mengurangi noise dari tweet

supaya diperoleh kata-kata yang hanya memiliki arti penting dalam sebuah tweet.

Tahapan yang dilakukan di pre-processing adalah :

2.1.1.1. Case Folding

Case Folding merupakan tahapan awal dari pre-processing yang bertujuan

untuk mengubah kata-kata yang didapat menjadi format yang sama. Pada tahapan

ini dilakukan dengan mengubah kata menjadi huruf kecil atau lower case.


6

Contoh proses Case Folding :

Kalimat awal

Hati Ini gemetar melihat kinerja untuk membangun

bangsa

Hasil dari proses case folding

hati ini gemetar melihat kinerja untuk membangun bangsa

2.1.1.2. Tokenisasi

Tokenisasi merupakan proses memisahkan setiap kata menjadi pecahan-

pecahan kecil dan bertujuan untuk menghilangkan whitespace. Pada tahap ini

terkadang disertai langkah untuk membuang karakter tertentu seperti tanda baca,

emoji, url.

Contoh proses Tokenisasi :

Kalimat awal

hati ini gemetar melihat kinerja untuk membangun

bangsa

Hasil dari proses Tokenisasi (Gambar 2.1).

hati ini gemetar melihat kinerja untuk membangun bangsa

Gambar 2.4 Hasil Tokenisasi

2.1.1.3. Stemming

Stemming merupakan proses menyederhanakan kata yang berisi imbuhan

untuk mencari kata dasar dari hasil kata dari hasil proses tokenisasi (Gambar 2.2).

hati ini gemetar lihat kinerja untuk bangun bangsa

Gambar 5.2 Hasil Stemming


7

Rule stemming berdasarkan dari algoritma memiliki tahap-tahap sebagai

berikut (Nazief dan Adriani, 2007) :

1) Pertama cari kata yang akan distem dnari kamus kata dasar. Jika

ditemukan kata tersebut maka dapat diasumsikan merupakan root

word. Algoritma berhenti. Jika tidak ditemukan masuk ke langkah ke

b

2) Menghilangkan Inflection Suffixes bila ada dalam kata. Inflection

Suffixes (“-lah”, “-kah”, “-ku”, “-mu”, atau “-nya”) dibuang. Jika

berupa particles (“-lah”, “-kah”, “-tah” atau “-pun”) maka langkah ini

diulangi lagi untuk menghapus Possesive Pronouns (“-ku”, “-mu”,

atau “-nya”), jika ada.

3) Hapus Derivation Suffixes (“-i”, “-an” atau “-kan”). Jika kata

ditemukan di kamus, maka algoritma berhenti. Jika tidak maka ke

langkah 3a

a. Jika “-an” telah dihapus dan huruf terakhir dari kata

tersebut adalah “-k”, maka “-k” juga ikut dihapus. Jika kata

tersebut ditemukan dalam kamus maka algoritma berhenti.

Jika tidak ditemukan maka lakukan langkah 3b.

b.Akhiran yang dihapus (“-i”, “-an” atau “-kan”)

dikembalikan, lanjut ke langkah 4.

4) Pada langkah ke 4 terdapat 3 iterasi

a. Iterasi berhenti jika :

1. Ditemukan kombinasi akhiran yang tidak diizinkan

berdasarkan awalan (Tabel 2.1).

Tabel 2.4 Aturan Awalan yang Tidak Diizinkan

Awalan Awalan yang tidak diizinkan

be- -i

di- -an

ke- -i, -kan


8

me- -an

se- -i, -kan

2. Awalan dideteksi sama dengan awalan yang

dihilangkan sebelumnya

3. Tiga awalan telah dihilangkan.

b. Identifikasi tipe awalan dan hilangkan. Awalan terdiri dari

dua tipe :

1. Standar (“di-“, “ke-“,”se-“) yang dapat langsung

dihilangkan dari kata.

2. Kompleks (“me-“,”be-“,”pe-”,”te-”) adalah tipe

awalan yang dapat berubah sesuai kata dasar yang

mengikutinya. Oleh karena itu dibutuhkan aturan

pada tabel berikut untuk mendapatkan pemenggalan

yang tepat.

Tabel 5.2 Aturan Pelurusan Kata Dasar

Aturan Bentuk Awalan Peluruhan

1 berV… ber-V… | be-rV…

2 belajar… bel-ajar…

3 beC1erC2… be-C1erC2 … | where C1!={„r‟| „l‟}

4 terV… ter-V… | te-rV…

5 terCerV… ter-CerV… | where C!=‟r‟

6 teC1erC2… te-C1erC2… | where C1!=‟r‟

7 me{l|r|w|y}V… me-{l|r|w|y}V…

8 mem{b|f|v}… mem-{b|f|v}…

9 mempe{r|l}… mem-pe…

10 mem{rV|V}… me-m{rV|V}… | me-p{rV|V}…

11 men{c|d|j|z}… men-{c|d|j|z}…


9

12 menV… me-nV… | me-tV…

13 meng{g|h|q}… meng-{g|h|q}…

14 mengV… meng-V… | meng-kV…

15 menyV… meny-sV…

16 mempV… mem-pV… | where V!=‟e‟

17 pe{w|y}V… pe-{w|y}V…

18 perV… per-V… | pe-rV…

19 pem{b|f|v}… pem-{b|f|v}…

20 pem{rV|V}… pe-m{rV|V}… | pe-p{rV|V}…

21 pen{c|d|j|z}… pen-{c|d|j|z}…

22 penV… pe-nV… | pe-tV…

23 peng{g|h|q}… peng-{g|h|q}…

24 pengV… peng-V… | peng-kV…

25 penyV… peny-sV…

26 pelV… pe-lV… | Exception: for “pelajar”, return ajar

27 peCerV… per-erV… | where C!={r|w|y|l|m|n}

28 peCP… pe-CP… | where C!={r|w|y|l|m|n} and

P!=‟er‟

Pada tabel dapat dilihat aturan-aturan dari pelurusan kata dasar (Tabel 2.2).

Huruf “V” pada tabel tersebut menunjukan huruf hidup atau huruf vocal, huruf

“C” menunjukan huruf mati atau menunjukan huruf konsonal. Sedangkan huruf

“P” menunjukan pecahan “er”.

c. Cari kata yang telah dihilangkan awalannya. Apabila kata

tidak ditemukan maka diulang kembali. Jika ditemukan

maka algoritma berhenti.


10

5) Setelah langkah 4 kata belum ditemukan, maka proses recording

dilakukan dengan mengacu pada aturan tabel.

6) Jika semua sudah dilakukan tetapi tidak ditemukan kata dasar maka

diasumsikan sebaagai kata dasar.

Untuk menambah aturan keterbatasan algoritma diatas, maka ditambahkan

aturan untuk reduplikasi (Agusta, 2009) yaitu :

a. Jika kedua kata yang dihubungkan oleh kata penghubung adalah

kata yang sama dengan root word adalah bentuk tunggalnya.

Contoh : buku-buku maka kata dasarnya adalah buku.

b. Untuk kata bolak-balik , berbalas-balsan. Untuk mendapatkan rot

word, keduanya dipisah dan diartikan satu persatu, contoh untuk

berbalas – balasan, menjadi berbalas dan balasan root word

berbalas sama yaitu balas. Sebaliknya untuk bolak-balik memiliki

root word yang berbeda maka root word adalah bolak-balik

2.1.1.4. Normalisasi Kata

Normalisasi kata merupakan proses untuk mengurangi huruf berturut-turut

dari suatu kata. Normalisasi teks pada tahapan ini merupakan pengubahan kata

yang sebelumnya memiliki karakter huruf yang berturut-turut untuk membaca

kamus untuk menghilangkan karakter berlebih dari kata awal.

Contoh proses Normalisasi kata :

Akuuuuuu

Oleeehhhh

Hasil dari nomalisasi kata :

Aku

Oleh

2.1.1.5. Stopword Removal

Stopword merupakan proses menghilangkan kata umum yang sering muncul

tetapi tidak memliki arti penting dan tidak digunakan. Pada proses ini kata umum


11

akan dihapus untuk mengurangi jumlah kata yang disimpan oleh sistem

(Manning, 2009). Contoh stopword adalah dia, mereka, bapak, di, kenapa, apa,

mereka dan sebagainya.

Sebelum melakukan proses stopword removal dilakukan, harus memiliki

kamus yang didalamnya berisi kata-kata yang termasuk dalam stopword (stoplist).

Jika suatu kata didalamnya terdapat dalam stoplist maka kata tersebut akan

dihapus sehingga hanya tersisa kata-kata yang memiliki arti penting serta

mengurangi daftar untuk selanjutnya ke tahap pembobotan kata.

Kalimat awal

hati ini gemetar lihat kinerja untuk bangun bangsa

Hasil dari proses stopword removal (Tabel 2.3) :

Tabel 2.6 Hasil Stopword Removal

hati - gemetar lihat kinerja - bangun bangsa

2.3 . Pembobotan TF-IDF

Term Frequency-Inverse Document Frequency (TF-IDF) adalah metode yang

digunakan untuk memberikan bobot pada setiap kata yang telah diekstraksi.

Model pembobotan dari TF-IDF (1.1) merupakan model integrase dari model term

frequency dan inverse document frequency. Term frequency (TF) adalah proses

untuk menghitung jumlah kemunculan term dalam suatu dokumen. Inverse

document frequency (IDF) berfungsi mengurangi bobot suatu term jika

kemunculannya banyak tersebar di seluruh koleksi dokumen (rahmadya, 2014).

Tahapan pembobotan dengan TF-IDF adalah:

Wdt = tfdt * IDFt (1.1)

Dimana :

d = dokumen ke-d

t = kata ke-t dari kata kunci

W = bobot dokumen ke-d tehadap kata ke-t

tf = Banyaknya kata yang muncul dalam dokumen


12

IDF = nilai idf dari hasil

IDF = log D/dft (1.2)

D = Total dokumen

df = banyaknya dokumen yang muncul berdasarkan kata kunci

2.4 . K-Fold Cross Validation

Cross Validation merupakan salah satu teknik untuk memvalidasi keakuratan

suatu model yang akan dibangun berdasarkan dataset tertentu. Proses dari

pembagian data menjadi dua, data untuk pembangunan suatu model disebut

dengan data training, dan data untuk memvalidasi model disebut dengan data

testing (Gambar 2.3).

Cross validation yang sering dipakai adalah 5-fold cross validation dan 10-

fold cross validation. Dalam cross validation, nilai k harus ditentukan untuk

proses dan pembagian model data training dan data testing dari cross validation

selanjutnya.

Data Training

Data Testing

Gambar 2.6 K-Fold Validation dengan K sebesar 3

2.5 K-Nearest Neighbor

K-Nearest Neighbor adalah metode untuk melakukan klasifikasi, algoritma

ini sering digunakan untuk melakukan klasifikasi teks dan data. Inti dari metode

ini melakukan klasifikasi terhadap objek yang berdasar dari data yang jaraknya

paling dekat dengan objek tersebut atau sering disebut dengan neighborhood.

Supervised learning merupakan suatu pembelajaran dimana output yang

diharapkan telah diketahui sebelumnya. Data yang sudah ada akan menjadi

patokan untuk data yang akan masuk.


13

Tujuan dari algorima ini adalah untuk mengklasifikasikan objek berdasarkan

atribut dan data latih. Apabila dari algoritma tersebut diberikan titik query, maka

akan muncul data latih yang paling dekat dengan data baru. Klasifikasi akan

didapat dengan hasil voting terbanyak diantara klasifikasi dari k obyek. Algoritma

KNN menggunakan klasifikasi ketetanggaan (neighborhood) dimana akan menjadi

nilai prediksi dari query instance.

Algoritma KNN bekerja dengan menghitung jarak terdekat dari query

instance ke sampel data latih untuk menentukan klasifikasi (Gambar 2.4). Dengan

adanya data sampel yang dijadikan sebagai ruang dimensi akan menentukan

keberadaan dari data sampel tersebut. Ruang dibagi menjadi bagian-bagian

berdasarkan traning sampel, sebuah titik akan ditandai. Jika titik tersebut

berdekatan dengan k buah tetangga maka akan masuk dalam kelas tersebut.

Metode untuk mencari jarak terdekat menggunakan Euclidean Distance yaitu

untuk perhitungan jarak terdekat. Perhitungan tersebut bertujuan untuk

menentukan kemiripan yang dihitung dengan kemiripan data yang muncul dalam

teks. Kemudian teks yang akan diuji dibandingkan dengan masing-masing sampel

data asli.

Perhitungan jarak menggunakan Euclidean Distance :

d(A,B) =√ (A1 – B1)2 + (A2 – B2)

2 + .. … + |Ai – Bi|

2 (1.3)

dimana :

d(A,B) = jarak dokumen A ke dokumen B

Ai = kata ke i di dokumen A

Bi = kata ke i di dokumen B


14

Gambar 2.4 Model Klasifikasi K-Nearest Neighbor

Pada algoritma K-Nearest Neighbor kedekatan jarak diketahui dari

perhitungan Euclidean distance, akan didapatkan jarak dari data baru dengan data

training yang sudah ditentukan klasifikasinya. Dengan menentukan jumlah k

untuk menentukan klasifikasi mana yang lebih banyak muncul untuk menentukan

hasil dari klasifikasi terhadap data baru, mulai dari jarak terkecil ke jarak terbesar

yang didapat dari perhitungan Euclidean distance.

2.6 Confusion Matiks

Pada penelitian ini untuk menghitung hasil akurasi dari sistem salah satunya

menggunakan confusion matriks. Confusion Matriks merupakan metode external

evaluasi yang berisi informasi aktual dan dapat diprediksi (Kohavi dan Provost,

1998), dimana kinerja sistem dapat di evaluasi menggunakan data dalam matriks.

Berikut menunjukan tabel dari Confusion Matriks

Tabel 2.4 Tabel Confusion Matrix

Predicted

Positif Negatif

Actual Positif A B

Negatif C D


15

Keterangan :

A : Jumlah prediksi benar dan aktual benar

B : Jumlah prediksi salah dan aktual benar

C : Jumlah prediksi benar dan aktual salah

D : Jumlah Prediksi salah dan aktual salah

Perhitungan akurasi dirumuskan sebagai berikut :

Confusion Matriks =

(1.4)


16

BAB III

METODE PENELITIAN

3.1 Pengumpulan Data

Pada penelitian ini, data yang diperoleh merupakan tweet dari twitter dengan

Bahasa Indonesia. Tweet berasal dari kombinasi tokoh-tokoh publik. Data diambil

dari penelitian sebelumnya dengan judul analisis sentimen terhadap tokoh publik

(Pamungkas, Taufik, 2018). Data yang diambil 1000 tweet, dimana orang-orang

menulis status terhadap tokoh-tokoh publik yang sering dibicarakan dalam twitter.

Data diperoleh dari penelitian sebelumnya untuk mendapatkan hasil dari

klasifikasi oleh ahli bahasa pada kasus yang sama mengenai analisis sentimen.

Tweet diambil antara label positif dan label negatif seimbang. Kalimat-kalimat

pada tweet tidak mengandung gambar. Kemudian data tweet digunakan sebagai

input pada sistem untuk diolah.

2018-12-09 11:05:09< >AdiSibarani2101 : RT @PowerEmak: @jokowi

Ikut bahagia dan bangga pak. Smoga senantiasa diberi nikmat bahagia ya pak.

Dan keluarga saya juga bisa bahagia

2018-12-09 10:23:02 <>NajmaKhumairoh : @jokowi @muhammadiyah

@MRomahurmuziy Bangga saya punya pemimpin seperti pak @jokowi

2018-12-09 10:23:02 <> Yulianto260776 : @jokowi Rakyat Indonesia 260jt bisa

membiayai kalo pimpinannya cerdas gak bego!

Gambar 3.1 Contoh Data Tweet

3.2 Deskripsi Sistem

Dalam perancangan sistem untuk melakukan analisis sentimen dengan

menggunakan metode klasifikasi K-NN dengan melakukan input dari data yang

sudah didapat dari twitter, yang berupa data training dan data testing, kemudian

masuk ke proses pre-processing hingga proses klasifikasi yang akan

menghasilkan sentimen positif atau negatif.


17

3.3 Spesifikasi

Untuk proses mendukung pembuatan sistem digunakan software dan

hardware sebagai berikut :

3.3.1. Hardware

a) Processor : Intel ® Core ™ i5-8250U CPU @ 2.8GHz

b) Memory : 8 Gb

c) Harddisk : 1 TB

3.3.2. Software

a) Sistem Operasi : Windows 10 64-bit

b) Aplikasi : Netbeans

3.4 Tahapan Penelitian

3.4.1 Studi Pustaka

Pada studi pustaka ini penulis mencantumkan beberapa teori-teori yang

terkait dengan penelitian yang dilakukan, meliputi analisis sentimen,

preprocessing text, pembobotan kata, algoritma knn, Euclidean distance. Penulis

mencari literatur sebagai referensi untuk mendukung proses penelitian ini.

Literatur yang digunakan berasal dari jurnal ilmiah, karya ilmiah dan buku.

3.4.2 Pengumpulan Data

Data yang digunakan pada penelitian ini menggunakan tweet berbahasa

Indonesia yang ditulis oleh pengguna twitter, data diperoleh dari penelitian

sebelumnya dengan judul analisis sentimen terhadap tokoh publik pada twitter,

dari data yang memuat tentang beberapa tokoh politik Indonesia yang sering

dibicarakan dalam twitter. Dengan adanya data dari penelitian sebelumnya

mempermudah untuk memvalidasi hasil pelabelan dari suatu tweet yang bersifat

positif atau negatif.


18

3.4.3 Perancangan Sistem

Pada tahap ini, akan dirancang suatu sistem yang dimulai dengan

perancangan interface dan pembuatan alat uji untuk menguji K-Nearest Neighbor

untuk mengelompokan tweet serta mendapatkan akurasi dari sistem.

3.4.4 Evaluasi dan Analisis Hasil Penelitian

Pada tahap pengujian, dilakukan analisis dari hasil luaran dari sistem yang

telah dibuat. Tujuan dari untuk menjawab rumusan masalah yang telah dipaparkan

dibab sebelumnya. Pada tahap analisis ini menjelaskan bagaimana implementasi

algoritma K-Nearest Neighbor dalam melakukan pelabelan dari suatu tweet yang

bersifat positif maupun negatif. Evaluasi dilakukan dengan jumlah K atau

tertangga terdekat untuk mengetahui pengaruh pada hasil akurasi pada setiap hasil

prediksi serta kesimpulan akhir dari hasil prediksi.

3.5 Desain Interface

Perangkat lunak ini memiliki satu tampilan antarmuka, yaitu halaman awal

(Gambar 3.2). Halaman awal berisikan tombol browse yang digunakan untuk

memilih file berekstensi .xls dari direktori komputer. Pada kolom K-Fold untuk

memasukan berapa fold yang diinginkan. Pada kolom jumlah tetangga digunakan

untuk menentukan jumlah tetangga yang akan dipilih. Pada tombol proses untuk

digunakan memproses data yang telah dimasukkan untuk menghasilkan akurasi.

Kolom akurasi menampilkan hasil akurasi.

Gambar 3.2 Desian Interface


19

3.6 Gambaran Umum Sistem

Gambar 3.3 Gambaran Umum Sistem

Sistem ini digunakan untuk mengetahui tingkat akurasi dari algoritma K-

Nearest Neighbor. Langkah pertama yaitu pengumpulan data sebagai input untuk

sistem. Langkah kedua adalah langkah preprocessing yang terdiri dari Case

Folding, Tokenisasi, Stemming, Normalisasi kata, Stopword Removal dan

pembobotan kata dengan TF-IDF.

3.6.1. Data

Data yang digunakan merupakan data dengan format .xls diambil dari

penelitian sebelumnya. Tweet diambil dengan keyword tokoh publik

Indonesia yang didalamnya terdapat label positif dan negatif, masing –

masing berjumlah 500 tweet. Berikut kumpulan data dan contoh data tweet.

Gambar 3.4 Kumpulan Data

3.6.2. Pre-processing

Pada tahap awal untuk proses klasifikasi menggunakan algoritma k-

nearest neighbor adalah proses preprocessing. Pada tahap ini data mentah

yang berupa teks kumpulan tweet akan menjadi data yang akan masuk dalam


20

proses TF-IDF yang nanti setiap kata akan memiliki bobot, sehingga dapat

diproses ketahap selanjutnya.

3.6.2.1 Case folding

Case Folding merupakan tahapan awal dari pre-processing yang

bertujuan untuk mengubah kata-kata yang didapat menjadi format yang

sama. Pada tahapan ini dilakukan dengan mengubah kata menjadi huruf

kecil atau lower case. Berikut merupakan implementasi proses case

folding

Pada tahap ini setelah pengumpulan data didapat, sistem akan

mengubah seluruh kalimat menjadi huruf kecil.

Langkah – langkah case folding :

1. Baca tiap baris pada file text sebagai satu kesatuan dokumen

2. Dokumen yang terdiri dari huruf besar akan di ubah menjadi huruf

kecil.

3. Dokumen disimpan dengan hasil seluruh huruf menjadi huruf kecil

seluruhnya.

Pada langkah – langkah diatas, dapat diimplementasikan pada

kasus klasifikasi ini pada saat pengambilan data yang masih mentah

yang diambil dari twitter berupa tweet. Data ini akan digunakan

sebagai sampel dari proses awal pada tahap pre-processing.

Berikut contoh case folding terhadap tweet :

ketua adalah pemimpin

berprinsip dan cakap

dlm menentukan

pilihan..gerindra

menang!!prabowo

presiden!!

Gambar 3.5 Hasil Proses Case Folding


21

3.6.2.2 Tokenisasi

Tokenisasi merupakan tahap sistem akan memotong dokumen

menjadi potongan-potongan kecil menjadi satu kata yang disebut token

serta dilakukan untuk menghilangkan karakter seperti tanda baca. Berikut

merupakan implementasi proses tokenisasi :

Langkah – langkah tokenisasi :

1. Baca tiap dokumen pada file yang merupakan satu tweet.

2. Dari hasil baca tiap tweet ambil masing-masing token pada setiap

kalimat dengan bantuan spasi dijadikan patokan untuk pemisah token

satu dengan yang lain.

3. Simpan hasil dari setiap tweet yang berupa dari token penyusun setiap

kalimat.

Langkah hapus noise :

1. Menghapus username : menghapus kata yang berawalan tanda “@”

misal @gunawan..

2. Menghapus url : menghapus kalimat yang mengandung “www”, “http”

“https”.

3. Menghapus tanda baca, karakter selain huruf, angka.

4. Mengapus kata yang ada dalam tweet seperti tanggal, retweet,

translation, hour, hours, ago.

5. Menghapus kata yang mengandung hashtag misalnya

“#hariantikorupsi”

Berikut contoh tokenizing terhadap tweet :

Gambar 3.6 Proses Hasil Tokenisasi


22

Gambar 3.7 Hasil Tokenisasi

3.6.2.3 Stemming

Pada tahap ini, setelah proses tokenisasi, hasil token-token untuk

kemudian masuk kedalam proses stemming (Gambar 3.9). Proses ini

dilakukan untuk mengembalikan kata menjadi kata dasar (root word)

dengan cara menghilangkan awalan dan akhiran. Berikut implementasi

stemming :

1. Baca tiap token dari masing-masing dokumen untuk dicocokan dengan

kamus kata dasar.

2. Hasil dari token yang cocok dengan kamus kata dasar yang sudah ada

maka bisa disimpulkan bahwa token tersebut adalah kata dasar.

3. Jika token yang didapat tidak cocok dengan kamus kata dasar, token

dihapus sesuai aturan akhiran dan awalan pada token.

4. Jika pada langkah ke 3 token tidak ditemukan kata dasarnya maka

anggap token tersebut sebagai kata dasar.

Contoh data tweet yang mengalami proses stemming (Gambar 3.8).

Gambar 3.8 Proses Hasil Stemming


23

Gambar 3.9 Hasil Stemming

3.6.2.4 Normalisasi Kata

Setelah data melewati proses stemming, langkah selanjutnya adalah

tahap normalisasi kata. Normalisasi dilakukan untuk menghilangkan huruf

yang muncul secara berturut-turut(Gambar 3.11). Berikut implementasi

normalisasi kata :

1. Baca hasil token dari proses stemming dengan kata pada kamus

dari normalisasi

2. Jika hasil token sama dengan kamus maka sudah termasuk kata

normalisasi

3. Jika token memiliki karakter huruf yang melebihi akan dihapus

dan dicari pada kamus normalisasi.

Contoh hasil normalisasi kata (Gambar 3.10).

Gambar 3.10 Proses Hasil Normalisasi Kata


24

Gambar 3.11 Contoh Hasil Normalisasi Kata

3.6.2.5 Stopword Removal

Setelah mengalami proses normalisai kata, kemudian token dari

masing-masing tweet diolah melalui proses stopword. Didalam hasil

stopword(Gambar 3.13). Kata-kata yang tidak memiliki arti penting akan

dibuang. Berikut implementasi stopword :

1. Baca tiap token hasil proses normalisasi kata dari setiap dokumen

tweet dengan kata pada kamus dari stopword.

2. Hapus token yang termasuk dalam kamus stoplist.

3. Jika hasil token sama dengan kata yang berada pada stoplist, maka kata

tersebut dibuang.

4. Jika tidak maka kata tetap disimpan.

Contoh hasil proses stopword (Gambar 3.12)

Gambar 3.12 Proses Hasil Stopword Removal


25

Gambar 3.13 Contoh Hasil Stopword Removal

3.6.3 Pembobotan TF-IDF

Tahap selanjutnya setelah pre-processing adalah tahap pembobotan

menggunakan tf-idf, dimana pada tahap ini akan menghitung bobot tweet

dihitung dari setiap kata kemudian mengalikan dengan idf. Berikut adalah

implementasi dari pembobotan tf-idf.

Langkah – langkah proses pembobotan tf-idf :

1. Hitung nilai tf dari masing-masing kata.

2. Hitung nilai idf dari masing-masing kata.

3. Hitung bobot dari dari tf dikalikan dengan idf.

4. Ulangi langkah 1 – 3 untuk setiap tweet.

Berikut contoh proses pembobotan kata :

a. Menghitung term frequency

Gambar 3.14 Proses Perhitungan Term Frequency


26

Gambar 3.15 Contoh Term Frequency

Pada perhitungan term frequency dihitung dengan menambahkan kata

yang sesuai dengan kata-kata dari setiap tweet untuk ditambahkan jumlah

muncul kata disetiap dokumen. Term Frequency bertujuan untuk

memperhatikan apakah suatu kata ada atau tidak disuatu dokumen, jika kata

tersebut ada dalam suatu dokumen makan akan diberi nilai satu dan bertambah

jika dalam suatu dokumen memiliki lebih dari satu kata muncul.

b. Menghitung document frequency

Gambar 3.16 Proses Perhitungan Document Frequency

Gambar 3.17 Contoh Hasil Document Frequency


27

Pada proses perhitungan document frequency adalah melakukan

perhitungan jumlah dokumen yang mengandung suatu term. Dimana jika

suatu term ada di suatu dokumen maka document frequency akan bertambah

satu sampai dokumen terakhir untuk mengetahui jumlah seluruh document

frequency

c. Menghitung inverse document frequency

Gambar 3.18 Proses Perhitungan Inverse Document Frequency

Gambar 3.19 Contoh Hasil Inverse Document Frequency

Pada Proses perhitungan Inverse Document Frequency (idf) dengan

menggunakan persamaan :

IDF = log D/dft

Inverse Document Frequency merupakan sebuah perhitungan dari suatu kata

yang muncul dari dokumen yang bersangkutan. Jumlah dokumen (D) di bagi

dengan jumlah document frequency (DF) atau jumlah kemunculan kata dalam

suatu dokumen.


28

d. Menghitung bobot (weight).

Gambar 3.20 Proses Perhitungan Bobot (Weight)

Gambar 3.21 Contoh Hasil Bobot (Weight)

Proses perhitungan bobot setiap kata dengan menggunakan persamaan

berikut :

Wdt = tfdt * IDFt

Dimana Wdt adalah bobot dokumen ke-d terhadap kata (t). Sedangkan tf

adalah jumlah kemunculan term (t) dalam dokumen (d). IDF diperoleh dari

hasil perhitungan proses sebelumnya. Hasil dari term frequency dikalikan

dengan hasil IDF akan memperoleh setiap bobot dari masing-masing kata.


29

3.6.4 K-Nearest Neighbor

Setelah didapatkan bobot masing-masing tweet dan vector dari masing-

masing masing tweet. Metode ini mengambil k-tetangga terdekat dan

dilakukan menggunakan mekanisme voting. Jauh dekat dari suatu tetangga

dihitunga dengan penghitungan jara antar tweet. Penghitungan jarak yang

digunakan menggunakan Euclidean distance.

1. Menentukan parameter K (jumlah tetangga paling dekat).

2. Menghitung kuadrat jarak Euclidean masing-masing obyek terhadap

data sampel yang diberikan.

3. Mengurutkan objek-objek tersebut ke dalam kelompok yang memiliki

jarak Euclidean terkecil.

4. Mengumpulkan kategori Y (klasifikasi K-Nearest Neighbor.

5. Dengan menggunakan kategori mayoritas, maka dapat diprediksikan

nilai query instance yang telah dihitung.

3.6.5 Penghitungan Akurasi

Pada penelitian ini penghitungan akurasi adalah hasil yang diprediksi oleh

sistem akan dibandingkan dengan label aktual dari setiap tweet. Kecocokan

dari setiap perbandingkan yang akan mempengaruhi hasil akurasi dari sistem.

Setelah perhitungan K-Nearest Neighbor dilakukan maka pengujian akurasi

dilakukan untuk mengetahui keakuratan hasil klasifikasi. Pada pengujian

akurasi dilakukan menggunakan confusion matriks. Confusion matriks

digunakan untuk mengetahui seberapa besar keberhasilan sistem dalam

melakukan klasifikasi. Confusion matriks mempermudah perhitungan akurasi

dalam melihat suatu permodelan antara class aktual dan presiksi.

Berikut langkah – langkah uji akurasi :

1. Baca label aktual tweet.

2. Baca label tweet hasil dari prediksi sistem.

3. Bandingkan menggunakan tabel confusion matriks.

4. Hitung akurasi dengan cara membagi tweet benar dibagi dengan seluruh

data dikalikan dengan 100%. Menghitung akurasi menggunakan rumus


30

Perbandingan contoh hasil prediksi dan aktual (Tabel 3.1)

Tabel 3.1 Contoh Prediksi Confusion Matrix

Prediksi Aktual

Tweet 1 Positif Positif

Tweet 2 Positif Negatif




Tweet 6 Negatif Positif




Tweet 10 Negatif Negatif

Gambar 3.22 Hasil Confusion Matrix


31

BAB IV

HASIL DAN ANALISA HASIL

4.1 Hasil & Analisis

Pada penelitian ini, data yang digunakan berupa tweet sebanyak 1000 data

dari masing – masing label adalah 500 label positif dan 500 label negatif. Proses

pertama dilakukan adalah preprocessing. Preprocessing dilakukan dengan tahap

case folding dengan tujuan untuk membuat semua huruf menjadi huruf kecil dan

tokenisasi adalah untuk memisahkan kata dengan menggunakan white space

sebagai patokan untuk memisahkan tiap kata serta menghilangkan tanda baca.

Stemming adalah tahap untuk mengembalikan kata menjadi kata dasar(root word)

dengan menghilangkan kata awalan dan akhiran. Tahap selanjutnya adalah

normalisasi kata, normalisai kata digunakan untuk menghilankgan duplikasi dari

huruf yang berada dalam kata tersebut. Stopword removal dengan tahap ini

bertujuan untuk menghilangkan kata yang tidak begitu memiliki arti penting

diambil dari kamus kata tidak penting. Setelah tahap preprocessing dilakukan

diperoleh kata-kata penting dari masing - masing tweet. Dilakukan pembobotan

kata menggunakan TF-IDF. Pembobotan ini bertujuan untuk menghitung bobot

dari setiap kata dengan cara menghitung frekuensi kemunculan kata dari setiap

tweet dan dikalikan idf untuk mengetahui bobot dari masing-masing kata. Setelah

proses pembobotan, dilakukan proses untuk menghitung jarak dari tweet satu

dengan tweet yang lain untuk digunakan dalam proses pencarian tweet mana yang

berdekat kemudian dilakukan perankingan sesuai K yang telah di tentukan

menggunakan K = 1,3,5,7 diambil mayoritas label yang muncul. Setelah

perankingan dilakukan didapatkan label prediksi yang dilakukan oleh sistem.

Untuk menghitung akurasi sistem dilakukan perhitungan jumlah data diprediksi

benar dibagi dengan jumlah data kemudian dikalikan dengan 100%. Sistem akan

dikatakan tepat jika nilai akurasi didapatkan tinggi dan sebaliknya jika nilai

akurasi didapatkan rendah maka sistem kurang tepat untuk melakukan klasifikasi.


32

Berikut adalah langkah – langkah percobaan yang dilakukan

1) Data tweet 1000

2) Tahap preprocessing

3) Pembagian data testing dan training untuk fold validation.

4) Menghitung jarak menggunakan Euclidean distance

5) Perangkingan dari metode K-Nearest Neighbor.

4.1.1 Pengujian Perbandingan Hasil Akurasi K-Nearest Neighbor

Secara Manual dengan Hasil Akurasi K-Nearest Neighbor

Menggunakan Perangkat Lunak

4.1.1.1 Hasil Akurasi K Nearest Neighbor Secara Manual

Pengujian hasil akurasi secara manual menggunakan 10 data dari

1000 data tweet. Proses penghitungan dilakukan dengan

menggunakan Microsoft Excel yang diambil setelah proses

pembobotan TF-IDF. Dalam penghitungan akurasi manual

menggunakan algoritma K-Nearest Neighbor ditetapkan jumlah

tetangga terdekat 1 menggunakan K-Fold 5. Hasil uji secara

manual dapat dilihat pada lampiran.

4.1.1.2 Hasil Akurasi K-Nearest Neighbor Secara Sistem

Pengujian hasil akurasi menggunakan sistem menggunakan 10 data

dari 1000 data tweet. Proses penghitungan dilakukan dengan

memasukkan file .xls kedalam sistem, Dalam penghitungan akurasi

manual menggunakan algoritma K-Nearest Neighbor ditetapkan

jumlah tetangga terdekat 1 menggunakan K-Fold 5.


33

Gambar 4.1 Hasil akurasi sistem

4.1.1.3 Evaluasi Hasil Prediksi Secara Manual Dan

Sistem

Hasil yang diperoleh dari perhitungan manual sama dengan hasil

dari sistem. Oleh karena itu dapat disimpulkan bahwa sistem dapat

berjalan dengan baik sesuai dengan yang diharapkan penulis.

4.1.2 Dataset

Penelitian ini menggunakan 1000 data tweet yang diambil dari twitter,

pada pengujian dilakukan untuk mencari akurasi tertinggi dengan

menggunakan K-Nearest Neighbor menggunakan 10-fold dengan

menggunakan jumlah tertangga terdekat sebesar 1,3,5,7. Gambar dibawah

ini terkhusus menampilkan hasil percobaan dataset.


34

Gambar 4.2 Hasil tampilan percobaan

Gambar 4.3 Akurasi 10-fold

Dari gambar 4. Bisa dilihat akurasi tertinggi dari 10-fold yaitu 67,5%

dengan nilai K=1.

67.5

62.7

57.6

54.4

50

55

60

65

70

1 3 5 7

Pre

sen

tase

K-tetangga terdekat

Akurasi 10-fold


35

Gambar 4.4 Akurasi 20-fold

Dari gambar 4. Dapat dilihat akurasi tertinggi dari 20-fold yaitu 68,5%

dengan nilai K=1

4.1.2.1 Analisis

Dari hasil uji akurasi sistem yang telah dibuat dengan

menggunakan algoritma K-Nearest Neighbor dengan dimenggunakan

K-Fold Cross Validation untuk pembagian model antara data training

dan data testing dengan menggunakan nilai K yaitu 10-fold. Dapat

dilihat dari gambar 4.3 . Pada penelitian ini pada saat menggunakan 10

fold diperoleh akurasi ketika k = 1 sebesar 67,5%. Akurasi ketika k = 3

sebesar 62,7%. Akurasi ketika k = 5 sebesar 57,6%. Akurasi ketika k =

7 sebesar 54,4%. Akurasi tertinggi pad 10-fod sebesar 67,5% ketika

nilai k = 1. Pada percobaan menggunakna 20-fold ketika k = 1 sebesar

68,3. Akurasi ketika k = 3 sebesar 62,9. Akurasi ketika k = 5 sebesar

58,6. Akurasi ketika k = 7 sebesar 54,7. Dapat diartikan jumlah K dari

nilai tetangga dalam algoritma K-Nearest Neighbor berpengaruh

terhadap nilai akurasi yang didapat. Untuk nilai K pada K-Nearest

Neighbor semakin besar nilai K akan mengakibatkan beberapa pilihan

untuk kemudian dioleh dan diambil berdasarkan jumlah voting

terbanyak. Ada beberapa voting yang kurang baik sehingga

menpengaruhi hasil akhir dari klasifikasi sehingga mengakibatkan

penurunan dalam akurasi pada algoritma K-Nearest Neighbor.

68.3

62.9

58.6

54.5

50

55

60

65

70

1 3 5 7

Akurasi 20-fold


36

BAB V

PENUTUP

5.1 Kesimpulan

Berdasarkan hasil penelitian, klasifikasi terhadap tokoh publik pada twitter

menggunakan algoritma k-nearest neighbor dengan menggunakan 1000 data

diperoleh kesimpulan sebagai berikut :

1) Pengujian klasifikasi sentimen terhadap tokoh publik pada twitter

menggunakan algoritma K-Nearest Neighbor. Berdasarkan hasil

percobaan, didapatkan akurasi tertinggi pada dataset menggunakan

metode evaluasi 10-fold validation dengan pembagian dataset

seimbang antara jumlah label postif dan label negatif,

menghasikan akurasi terbaik sebesar 67,5%.

2) Pengujian klasifikasi sentimen terhadap tokoh publik pada twitter

menggunakan algoritma K-Nearest Neighbor. Berdasarkan hasil

percobaan, didapatkan akurasi tertinggi pada dataset menggunakan

metode evaluasi 20-fold cross validation dengan pembagian

dataset seimbang antara jumlah label postif dan label negatif,

menghasikan akurasi terbaik sebesar 68,3%

3) Dari hasil ini dapat disimpulkan bahawa sistem mampu melakukan

klasifikasi dengan tingkat akurasi yang kurang baik.

5.2 Saran

Berikut saran yang dapat membatu untuk penelitian agar lebih baik dan

berkembang :

1) Kamus bahasa dalam bahasa Indonesia cukup banyak dapat

ditambahkan kamus untuk penambahan dari kata dasar dan kamus

bahasa slang.

2) Sistem tidak hanya dapat menerima data mengunakan file yang

berekstensi .xls.

3) Data dapat diambil secara otomatis dari twitter.


37

DAFTAR PUSTAKA

Aliandu, P. 2012, Analisis Sentimen Tweet Berbahasa Indonesia di Twitter, Tesis,

Program Studi S2 Ilmu Komputer, Fakultas Matematika Dan Ilmu

Pengetahuan Alam, Universitas Gadjah Mada, Yogyakarta.

Darma, I. M. 2017. Penerapan Sentimen Analisis Acara Televisi Pada Twitter

Menggunakan Support Vector Machine dan Algoritma Genetika. Jurnal

Pengembangan Teknologi Informasi dan Ilmu Komputer , 998-1007.

Haryanto, D. J., Muflikhah, L., Fauzi, M. A. Analisis Sentimen Review Barang

Berbahasa Indonesia Dengan Metode Support Vector Machine Dan Query

Expansion. Jurnal Pengembangan Teknologi Informasi dan Ilmu

Komputer. Vol. 2, No.9, September 2018. 2909-2916.

Hidayatullah, A. F., Azhari S.N. 2014. Analisis Sentimen Dan Klasifikasi

Kategori Terhadap Tokoh Publik Pada Twitter. Jurnal Jurusan Teknik

Informatika Fakultas Teknologi Industri, Universitas Islam Indonesia,

Agustus 2014.

Hirzani1, F. A., Maharani W., Bijaksana, Moch. A. 2015. Analisis Sentimen

Review Produk Menggunakan Pendekatan Berbasis Kamus. e-Proceeding

of Engineering. Vol.2, No.2, Agustus 2015

Rivki, M., Bachtiar, A. M. 2017. Implementasi Algoritma K-Nearest Neighbor

Dalam Pengklasifikasian Follower Twitter Yang Menggunakan Bahasa

Indonesia. Jurnal Sistem Informasi (Journal of Information Systems),

Universitas Komputer Indonesia

Salam, A., Zeniarja J., Khasanah R. S. U. Analisis Sentimen Data Komentar

Sosial Media Facebook Dengan K-Nearest Neighbor (Studi Kasus Pada

Akun Jasa Ekspedisi Barang J&T Ekspress Indonesia. Jurnal Program

Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian

Nuswantoro.

Sendhy, R. W., Sendi N., Umi R. 2017.Perbandingan Euclidean Distance Dengan

Canberra Distance Pada Face Recognition. Jurnal Fakultas Ilmu

Komputer, Universitas Dian Nuswantoro Semarang.

Sianipar, R., Setiawan, E. B. 2015 Pendeteksian Kekuatan Sentimen Pada Teks

Tweet Berbahasa Indonesia Menggunakan Sentistrength. e-Proceeding of

Engineering. Vol.2, No.3, Desember 2015.


38

LAMPIRAN


39

Tabel 4.1 Tabel Perrhitungan Manual TF-IDF


40

Tabel 4.2 Uji Coba 1-Fold Tabel 4.3 Jarak Urut 1-Fold


41

Tabel 4.4 Perhitungan Manual 2-Fold Tabel 4.5 Jarak urut 2-Fold


42

Tabel 4.5 Perhitungan Manual 3-Fold Tabel 4.6 Jarak Urut 3-Fold


43

Tabel 4.7 Perhitungan Manual 4-Fold Tabel 4.8 Jarak urut 4-Fold


44

Tabel 4.9 Perhitungan Manual 5-Fold Tabel 4.10 Jarak Urut 5-Fold


45

Tabel 4.11 Confusion Matrik 1 Tabel 4.12 Confusion Matrik 2 Tabel 4.13 Confusion Matrik 3

Tabel 4.14 Confusion Matrik 4 Tabel 4.15 Confusion Matrik 5 Tabel 4.16 Akurasi Total


KLASIFIKASI SENTIMEN TERHADAP TOKOH …i KLASIFIKASI SENTIMEN TERHADAP TOKOH PUBLIK PADA TWITTER...

Documents

Transcript of KLASIFIKASI SENTIMEN TERHADAP TOKOH …i KLASIFIKASI SENTIMEN TERHADAP TOKOH PUBLIK PADA TWITTER...