Analisis sentimen terhadap aplikasi pedulilindungi menggunakan seleksi fitur query expansion ranking dengan metode support vector machine

INDONESIA:

Analisis sentimen dilakukan untuk memahami sikap, pendapat, dan emosi seseotang terhadap suatu topik. Terdapat dua acara untuk melakukan mengukur sentimen prngguna terhadap aplikasi PeduliLindungi, yaitu dengan melihat rating aplikasi atau dengan mengekstrak informasi dari komentar atau review yang diberikan. Namun, dari hasil pengamatan, rating aplikasi tidak dapat dijadikan acuan untuk mengukur sentimen pengguna karena masih terdapat beberapa komentar dengan rating yang tidak selaras. Sekitar 0,9% penyebabnya adalah kecerobohan pengguna dan ulasan yang sengaja menyesatkan. Berdasarkan permasalahan tersebut, pada penelitian ini, pengukuran sentimen dilakukan dengan menggunakan komentar yang akan diklasfikasikan ke dalam dua kelas, yaitu positif dan negatif menggunakan seleksi fitur Query Expansion Ranking dengan metode Support Vector Machine. SVM dipilih karena metode ini merupakan salah satu metode klasfikasi yang dapat melakukan pemisahan linier pada data nonlinear yang memiliki dimensi tinggi, sedangkan penambahan metode dalam seleksi fitur dilakukan untuk mengurangi fitur-fitur yang bersifat ambigu agar dapat meningkatkan akurasi. Untuk mengetahui seberapa baik dan akurat model dalam melakukan klasifikasi dilakukan pengukuran evaluasi model untuk mendapatkan nilai akurasi, presisi, recall, dan f-measure. Dalam penelitiaan ini data yang digunakan sebanyak 2500 komentar, dengan rasio perbandingan pembagian data 8:2 untuk training dan testing. Uji coba dilakukan terhadap 498 data testing dengan hasil nilai performa tertinggi diperoleh pada skenario dengan menggunakan rasio seleksi fitur 100% yaitu nilai akurasi, presisi, recall, dan f-measure sebesar 93,17%. Nilai performa yang didapatkan tersebut lebih unggul dibandingan akurasi sebesar 89,96%, nilai presisi 98,08%, nilai recall 68%, dan nilai f-measure sebesar 80,31% yang diperoleh dari klasifikasi berdasarkan rating komentar.

ENGLISH:

Sentiment analysis is performed to understand the attitudes, opinions, and emotions of a person towards a topic. There are two events to measure the sentiment of users towards the PeduliLindungi application, that is by looking at the application's rating or by extracting information from the comments or reviews provided. However, from the observations, the app's rating cannot be used as a reference to measure user sentiment because there are still some comments with misaligned ratings. About 0.9% of the cause is user carelessness and deliberately misleading reviews. Based on these problems, in this study, sentiment measurement was carried out using comments that will be classified into two classes, that are positive and negative using the Query Expansion Ranking feature selection with the Support Vector Machine method. SVM was chosen because this method is one of the classification methods that can perform linear separation on nonlinear data that has high dimensions, while the addition of methods in feature selection is carried out to reduce ambiguous features in order to improve accuracy. To find out how good and accurate the model is in making classifications, model evaluation measurements are carried out to obtain the values of accuracy, precision, recall, and f-measure. In this study, the data used was 2500 comments, with a data-sharing ratio of 8:2 for training and testing. The trial was carried out on 498 testing data with the highest performance values obtained in scenarios using a feature selection ratio of 100%, with the accuracy, precision, recall, and f-measure values of 93,17%. The performance value obtained is superior to the accuracy of 89.96%, the precision value of 98.08%, the recall value of 68%, and the f-measure value of 80.31% obtained from the classification based on the comment rating.

ARABIC:

يتم إجراء تحليل المشاعر لفهم المواقف والآراء والعواطف للشخص تجاه موضوع ما. هناك حدثان لقياس مشاعر المستخدمين تجاه تطبيق PeduliLindungi ، وهما من خلال النظر إلى تصنيف التطبيق أو عن طريق استخراج المعلومات من التعليقات أو المراجعات المقدمة. ومع ذلك ، من الملاحظات ، لا يمكن استخدام تصنيف التطبيق كمرجع لقياس مشاعر المستخدم لأنه لا تزال هناك بعض التعليقات ذات التقييمات المنحرفة. حوالي 0.9٪ من السبب هو إهمال المستخدم والمراجعات المضللة عمدا. بناء على هذه المشاكل ، في هذه الدراسة ، تم إجراء قياس المشاعر باستخدام التعليقات التي سيتم تصنيفها إلى فئتين ، وهما الإيجابية والسلبية باستخدام اختيار ميزة Query Expansion Ranking باستخدام طريقة Support Vector Machine. تم اختيار SVM لأن هذه الطريقة هي واحدة من طرق التصنيف التي يمكنها إجراء فصل خطي على البيانات غير الخطية ذات الأبعاد العالية ، بينما تتم إضافة الطرق في اختيار الميزة لتقليل الميزات الغامضة من أجل زيادة الدقة. لمعرفة مدى جودة ودقة النموذج في إجراء التصنيف ، يتم إجراء قياسات تقييم النموذج للحصول على قيم الدقة والدقة والاستدعاء والقياس. في هذه الدراسة ، كانت البيانات المستخدمة 2500 تعليق ، بنسبة مشاركة بيانات 8: 2 للتدريب والاختبار. تم إجراء التجربة على 498 من بيانات الاختبار مع أعلى قيم أداء تم الحصول عليها في السيناريوهات باستخدام نسبة اختيار ميزة تبلغ 100٪ ، وهي الدقة ، والدقة ، والتذكر ، وقياس بنسبة 93.17٪. قيمة الأداء التي تم الحصول عليها متفوقة على دقة 89.96٪ ، وقيمة الدقة 98.08٪ ، وقيمة الاستدعاء 68٪ ، وقيمة القياس f 80.31٪ التي تم الحصول عليها من التصنيف بناء على تصنيف التعليق.