Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Lihat diskusi, statistik, dan profil penulis untuk publikasi ini di:https://www.researchgate.net/publication/317058859

Kajian Analisis Sentimen Twitter Menggunakan Algoritma Machine Learning di

Python

ArtikeldiJurnal Internasional Aplikasi Komputer · Mei 2017

DOI: 10.5120/ijca2017914022

KUTIPAN BACA
65 8.946

5 penulis, termasuk:

Bhumika Gupta Monica Negi

Sekolah Bisnis Telekomunikasi
3PUBLIKASI69KUTIPAN
20PUBLIKASI341KUTIPAN
LIHAT PROFIL

LIHAT PROFIL

Priyanka Badhani
Institut Teknologi Nasional Motilal Nehru
1PUBLIKASI65KUTIPAN

LIHAT PROFIL

Semua konten yang mengikuti halaman ini diunggah olehPriyanka Badhanipada 24 Juli 2021.

Pengguna telah meminta peningkatan file yang diunduh.


Studi Analisis Sentimen Twitter Menggunakan Mesin
Belajar Algoritma di Python
Bhumika Gupta, PhD
Asisten Profesor, CSED
GBPEC, Pauri, Uttarakhand, India
ABSTRAK
Twitter adalah platform yang banyak digunakan oleh orang-orang
untuk mengekspresikan pendapat mereka dan menampilkan
sentimen di berbagai kesempatan. Analisis sentimen adalah
pendekatan untuk menganalisis data dan mengambil sentimen yang
terkandung di dalamnya. Analisis sentimen Twitter adalah aplikasi
analisis sentimen pada data dari Twitter (tweet), untuk mengekstrak
sentimen yang disampaikan oleh pengguna. Dalam beberapa
dekade terakhir, penelitian di bidang ini terus berkembang. Alasan di
balik ini adalah format tweet yang menantang yang membuat
pemrosesan menjadi sulit. Format tweet sangat kecil yang
menghasilkan dimensi masalah yang sama sekali baru seperti
penggunaan bahasa gaul, singkatan, dll. Dalam makalah ini, kami
bertujuan untuk meninjau beberapa makalah mengenai penelitian
dalam analisis sentimen di Twitter, menjelaskan metodologi yang
diadopsi dan model yang diterapkan,
Kata kunci
Analisis sentimen, Pembelajaran Mesin, Pemrosesan Bahasa
Alami, Python.
1. PERKENALAN
Twitter telah muncul sebagai situs mikro-blogging utama, memiliki
lebih dari 100 juta pengguna yang menghasilkan lebih dari 500 juta
tweet setiap hari. Dengan audiens yang begitu besar, Twitter secara
konsisten menarik pengguna untuk menyampaikan pendapat dan
perspektif mereka tentang masalah, merek, perusahaan, atau topik
menarik lainnya. Karena alasan ini, Twitter digunakan sebagai
sumber informasi oleh banyak organisasi, institusi, dan perusahaan.
Di Twitter, pengguna diperbolehkan untuk berbagi pendapat dalam bentuk tweet,
hanya menggunakan 140 karakter. Hal ini menyebabkan orang memadatkan
pernyataan mereka dengan menggunakan bahasa gaul, singkatan, emoticon, bentuk
pendek dll. Seiring dengan ini, orang menyampaikan pendapat mereka dengan
menggunakan sarkasme dan polisemi.
Oleh karena itu dibenarkan untuk menyebut bahasa Twitter sebagai tidak
terstruktur.
Untuk mengekstrak sentimen dari tweet, digunakan analisis
sentimen. Hasil dari ini dapat digunakan di banyak bidang seperti
menganalisis dan memantau perubahan sentimen dengan suatu
peristiwa, sentimen mengenai merek tertentu atau rilis produk
tertentu, menganalisis pandangan publik terhadap kebijakan
pemerintah, dll.
Banyak penelitian telah dilakukan pada data Twitter untuk
mengklasifikasikan tweet dan menganalisis hasilnya. Dalam makalah
ini kami bertujuan untuk meninjau beberapa penelitian di domain ini
dan mempelajari bagaimana melakukan analisis sentimen pada data
Twitter menggunakan Python. Ruang lingkup makalah ini terbatas
pada model pembelajaran mesin dan kami menunjukkan
perbandingan efisiensi model ini satu sama lain.
Jurnal Internasional Aplikasi Komputer (0975 – 8887)
Volume 165 – No.9, Mei 2017
Monika Negi, Kanika Vishwakarma, Goldi
Rawat, Priyanka Badhani
B.Tech, CSED
GBPEC Uttarakhand, India
2. TENTANG ANALISIS SENTIMEN
Analisis sentimen adalah proses menurunkan sentimen dari
pernyataan atau kalimat tertentu. Ini adalah teknik
klasifikasi yang memperoleh opini dari tweet dan
merumuskan sentimen dan berdasarkan itu, klasifikasi
sentimen dilakukan.
Sentimen bersifat subjektif terhadap topik yang diminati. Kami diminta untuk
merumuskan bahwa fitur seperti apa yang akan menentukan sentimen yang
terkandung di dalamnya.
Dalam model pemrograman, sentimen yang kami rujuk, adalah kelas
entitas yang ingin ditemukan oleh orang yang melakukan analisis
sentimen dalam tweet. Dimensi kelas sentimen merupakan faktor
penting dalam menentukan efisiensi model.
Sebagai contoh, kita dapat memiliki klasifikasi sentimen
tweet dua kelas (positif dan negatif) atau klasifikasi
sentimen tweet tiga kelas (positif, negatif dan netral).
Pendekatan analisis sentimen dapat dikategorikan secara luas dalam dua
kelas – berbasis leksikon dan berbasis pembelajaran mesin. Pendekatan
berbasis leksikon tidak diawasi karena mengusulkan untuk melakukan
analisis menggunakan leksikon dan metode penilaian untuk
mengevaluasi pendapat. Sedangkan pendekatan pembelajaran mesin
melibatkan penggunaan ekstraksi fitur dan pelatihan model
menggunakan kumpulan fitur dan beberapa kumpulan data.
Langkah-langkah dasar untuk melakukan analisis sentimen
meliputi pengumpulan data, pra-pemrosesan data, ekstraksi
fitur, pemilihan fitur dasar, deteksi sentimen, dan melakukan
klasifikasi baik menggunakan komputasi sederhana atau
pendekatan pembelajaran mesin lainnya.
2.1 Analisis Sentimen Twitter
Tujuan saat melakukan analisis sentimen pada tweet pada dasarnya adalah
untuk mengklasifikasikan tweet dalam kelas sentimen yang berbeda secara
akurat. Dalam bidang penelitian ini, berbagai pendekatan telah berkembang,
yang mengusulkan metode untuk melatih model dan kemudian mengujinya
untuk memeriksa efisiensinya.
Melakukan analisis sentimen merupakan tantangan pada data Twitter, seperti
yang kami sebutkan sebelumnya. Berikut kami jelaskan alasannya:
- Ukuran tweet terbatas:dengan hanya 140 karakter di
tangan, pernyataan ringkas dihasilkan, yang menghasilkan
serangkaian fitur yang jarang.
- Penggunaan bahasa gaul:kata-kata ini berbeda dari kata-kata
bahasa Inggris dan dapat membuat pendekatan menjadi
ketinggalan zaman karena penggunaan bahasa gaul yang
- evolusioner. Fitur Twitter:itu memungkinkan penggunaan tagar,
referensi pengguna, dan URL. Ini membutuhkan pemrosesan yang
berbeda dari kata-kata lain.
- Variasi pengguna:pengguna mengekspresikan pendapat mereka dalam
berbagai cara, beberapa menggunakan bahasa yang berbeda di
antaranya, sementara yang lain menggunakan kata atau simbol yang
diulang untuk menyampaikan emosi.
29

Semua masalah ini harus dihadapi di bagian
preprocessing.
Selain itu, kami menghadapi masalah dalam ekstraksi fitur
dengan lebih sedikit fitur di tangan dan mengurangi
dimensi fitur.
3. METODOLOGI
Untuk melakukan analisis sentimen, kami diharuskan
mengumpulkan data dari sumber yang diinginkan (di sini Twitter).
Data ini mengalami berbagai langkah pra-pemrosesan yang
membuatnya lebih masuk akal daripada bentuk sebelumnya.
Gambar 1 – Metodologi Umum untuk Analisis Sentimen
3.1 Koleksi Tweet
Pengumpulan Tweet melibatkan pengumpulan tweet yang
relevan tentang bidang minat tertentu. Tweet dikumpulkan
menggunakan API streaming Twitter [1], [3], atau alat
penambangan lainnya (misalnya WEKA [2]), untuk jangka waktu
analisis yang diinginkan. Format teks yang diambil diubah
sesuai kenyamanan (misalnya JSON dalam kasus [3], [5]).
Kumpulan data yang dikumpulkan sangat penting untuk
efisiensi model. Pembagian set data menjadi set pelatihan dan
pengujian juga merupakan faktor penentu efisiensi model. Set
pelatihan adalah aspek utama di mana hasil tergantung.
3.2 Pra-pemrosesan tweet
Pra-pemrosesan data merupakan langkah yang sangat penting karena
menentukan efisiensi langkah-langkah lain yang sejalan. Ini melibatkan
koreksi sintaksis dari tweet yang diinginkan. Langkah-langkah yang
terlibat harus bertujuan untuk membuat data lebih dapat dibaca mesin
untuk mengurangi ambiguitas dalam ekstraksi fitur. Berikut adalah
beberapa langkah yang digunakan untuk pra-pemrosesan tweet -
- Penghapusan re-tweet.
- Mengubah huruf besar menjadi huruf kecil:Jika kita
menggunakan analisis case-sensitive, kita mungkin
menganggap dua kemunculan kata yang sama berbeda karena
kasus kalimatnya. Penting untuk analisis yang efektif untuk tidak
memberikan keraguan seperti itu pada model.
- Hentikan penghapusan kata:Kata-kata stop yang tidak
mempengaruhi arti tweet akan dihapus (misalnya dan,
atau, diam, dll.). [3] menggunakan paket pembelajaran
mesin WEKA untuk tujuan ini, yang memeriksa setiap
kata dari teks terhadap kamus ([3], [5]).
- Penghapusan fitur Twitter:Nama pengguna dan URL
tidak penting dari perspektif pemrosesan di masa
mendatang, oleh karena itu kehadirannya sia-sia.
Semua nama pengguna dan URL dikonversi ke tag
umum [3] atau dihapus [5].
Jurnal Internasional Aplikasi Komputer (0975 – 8887)
Volume 165 – No.9, Mei 2017
- Stemming: Mengganti kata dengan akarnya,
mengurangi jenis kata yang berbeda dengan arti yang
sama [3]. Ini membantu dalam mengurangi dimensi set
fitur.
- Karakter khusus dan penghapusan digit:Digit dan
karakter khusus tidak menyampaikan sentimen apa pun.
Terkadang mereka dicampur dengan kata-kata, sehingga
penghapusannya dapat membantu menghubungkan dua
kata yang dianggap berbeda.
- Membuat kamus untuk menghilangkan kata dan tanda
baca yang tidak diinginkan dari teks [5].
- Perluasan bahasa gaul dan singkatan
- [5]. Koreksi ejaan [5].
- Membuat kamus untuk kata-kata yang penting
[7] atau untuk emoticon [2].
- Penandaan bagian dari pidato (POS):Ini memberikan tag ke
setiap kata dalam teks dan mengklasifikasikan kata ke kategori
tertentu seperti kata benda, kata kerja, kata sifat, dll. Penanda
POS efisien untuk ekstraksi fitur eksplisit.
3.3 Ekstraksi Fitur
Fitur adalah bagian dari informasi yang dapat digunakan sebagai
karakteristik yang dapat membantu dalam memecahkan suatu
masalah (seperti prediksi [11]). Kualitas dan kuantitas fitur sangat
penting karena penting untuk hasil yang dihasilkan oleh model yang
dipilih.
Pemilihan kata yang berguna dari tweet adalah ekstraksi fitur.
- Fitur Unigram –satu kata dipertimbangkan pada satu
waktu dan memutuskan apakah itu mampu menjadi
fitur.
- Fitur N-gram-lebih dari satu kata dianggap
pada suatu waktu.
- leksikon eksternal –penggunaan daftar kata-kata dengan
sentimen positif atau negatif yang telah ditentukan.
Analisis frekuensi merupakan metode untuk mengumpulkan fitur dengan
frekuensi tertinggi yang digunakan pada [1]. Selanjutnya, mereka
menghapus beberapa dari mereka karena adanya kata-kata dengan
sentimen yang sama (misalnya senang, gembira, gembira dll) dan
membuat kelompok kata-kata ini. Bersamaan dengan itu dilakukan
analisis afinitas, yang berfokus pada n-gram orde tinggi dalam
representasi fitur tweet.
Barnaghi et al [3], menggunakan unigram dan bigram dan menerapkan
Term Frequency Inverse Document Frequency (TF-IDF) untuk menemukan
bobot fitur tertentu dalam teks dan karenanya menyaring fitur yang
memiliki bobot maksimum. TF-IDF adalah pendekatan yang sangat efisien
dan banyak digunakan dalam klasifikasi teks dan penambangan data.
Bouazizi et al [4], mengusulkan suatu pendekatan yang tidak hanya
mengandalkan kosa kata yang digunakan tetapi juga ekspresi dan
struktur kalimat yang digunakan dalam kondisi yang berbeda. Mereka
mengklasifikasikan fitur ke dalam empat kelas: fitur berbasis sentimen,
fitur berbasis tanda baca dan sintaks, fitur berbasis unigram dan fitur
berbasis pola.
Karya [5] sedikit berbeda karena mereka tidak fokus pada topik atau
peristiwa tertentu tetapi mengusulkan untuk menemukan topik yang
sedang hangat di suatu wilayah. Fitur yang diekstraksi dibagi dalam dua
kategori: Fitur Umum dan Fitur Khusus Tweet. Yang pertama adalah
kombinasi dari kata-kata sentimen umum sedangkan yang kedua
mencakup fitur @-jaringan, fitur sentimen pengguna, dan emotikon.
Berdasarkan waktu posting setiap pengguna, vektor fitur dibangun.
30

3.4 Pengklasifikasi sentimen
- Regresi logistik Bayesian:memilih fitur dan
menyediakan pengoptimalan untuk melakukan
kategorisasi teks. Ini menggunakan Laplace sebelum
untuk menghindari overfitting dan menghasilkan model
prediksi yang jarang untuk data teks. Estimasi Regresi
Logistik memiliki bentuk parametrik:
Di mana fungsi normalisasi, adalah vektor
parameter bobot untuk set fitur dan fungsi bineradalah
yang mengambil sebagai input fitur dan label
kelas. Ini dipicu ketika fitur tertentu ada dan
sentimen dihipotesiskan dengan cara tertentu [3].
- Teluk Naif:Ini adalah pengklasifikasi probabilistik
dengan asumsi independensi bersyarat kuat yang
optimal untuk mengklasifikasikan kelas dengan fitur
yang sangat bergantung. Kepatuhan terhadap kelas
sentimen dihitung menggunakan teorema Bayes.
X adalah vektor fitur yang didefinisikan sebagai X = { , dan
merupakan label kelas.
Naïve Bayes adalah pengklasifikasi yang sangat sederhana dengan
hasil yang dapat diterima tetapi tidak sebagus pengklasifikasi
lainnya.
- Mendukung Algoritma Mesin Vektor:Dukungan mesin
vektor adalah model terawasi dengan algoritma
pembelajaran terkait yang menganalisis data yang
digunakan untuk klasifikasi dan analisis regresi [6], [9]. Itu
memanfaatkan konsep bidang keputusan yang
mendefinisikan batas-batas keputusan.
Xadalah vektor fitur, 'w' adalah bobot vektor dan 'b'
adalah vektor bias. adalah pemetaan non-linier dari
ruang input ke ruang fitur berdimensi tinggi. SVM
dapat digunakan untuk pengenalan pola [2].
- Jaringan Saraf Buatan:model JST yang digunakan
untuk pembelajaran terawasi adalah Multi-Layer
Perceptron, yang merupakan model umpan maju
yang memetakan data ke satu set keluaran terkait.
Data pelatihan yang diberikan ke lapisan input
diproses oleh lapisan perantara tersembunyi dan data
masuk ke lapisan output. Jumlah lapisan tersembunyi
adalah metrik yang sangat penting untuk kinerja
model. Ada dua langkah kerja MLP NN- feed forward
propagation, yang melibatkan fitur pembelajaran dari
algoritma feed forward propagation dan back
propagation, untuk cost function [5], [10].
Zimbra dkk [1]mengusulkan pendekatan untuk
menggunakan Arsitektur Dinamis untuk Jaringan Saraf Tiruan
(DAN2) yang merupakan model pembelajaran mesin dengan
sensitivitas yang cukup terhadap ekspresi ringan dalam tweet.
Mereka menargetkan untuk menganalisis sentimen terkait
merek di mana sering terjadi kalimat ringan.
DAN2 berbeda dari jaringan saraf sederhana karena
jumlah lapisan tersembunyi tidak tetap sebelum
menggunakan model. Saat input diberikan, akumulasi
Jurnal Internasional Aplikasi Komputer (0975 – 8887)
Volume 165 – No.9, Mei 2017
pengetahuan dan pembelajaran berlangsung pada setiap
tingkat dan diteruskan ke tingkat berikutnya. Lapisan
tersembunyi dihasilkan secara dinamis sampai tingkat kinerja
yang diinginkan tercapai.
- Penalaran Dasar Kasus:Dalam teknik ini, masalah
yang berhasil dipecahkan di masa lalu diakses dan
solusinya diambil dan digunakan lebih lanjut [10]. Itu
tidak memerlukan model domain eksplisit, membuat
elisitasi tugas mengumpulkan sejarah kasus dan
sistem CBR dapat memperoleh pengetahuan baru
sebagai kasus. Hal ini membuat pemeliharaan kolom
besar informasi lebih mudah.
- Pengklasifikasi Entropi Maksimum:Pengklasifikasi ini
tidak mengambil asumsi mengenai hubungan antara
fitur; itu selalu mencoba untuk memaksimalkan entropi
suatu sistem dengan menghitung distribusi bersyarat
dari label kelasnya [9].
'X' adalah vektor fitur dan 'y' adalah label kelas. Z(X)
adalah faktor normalisasi dan merupakan koefisien
…. } bobot yang merupakan fungsi fitur
yang didefinisikan sebagai
- Pengklasifikasi ansambel:Pengklasifikasi ini mencoba
memanfaatkan fitur dari semua pengklasifikasi dasar untuk
melakukan klasifikasi terbaik. Base classifier yang digunakan oleh
[9] adalah Naïve Bayes, SVM dan Maximum Entropy. Pengklasifikasi
mengklasifikasikan berdasarkan output dari mayoritas
pengklasifikasi (aturan pemungutan suara).
4. ANALISIS SENTIMEN TWITTER
DENGAN PYTHON
4.1 Python
Python adalah bahasa pemrograman tingkat tinggi yang
diinterpretasikan, dibuat oleh Guido van Rossum. Bahasa ini sangat
populer karena keterbacaan kode dan baris kode yang ringkas. Ini
menggunakan genangan ruang putih untuk membatasi blok.
Python menyediakan perpustakaan standar besar yang dapat
digunakan untuk berbagai aplikasi misalnya pemrosesan bahasa
alami, pembelajaran mesin, analisis data, dll.
Ini disukai untuk proyek yang kompleks, karena
kesederhanaannya, beragam fitur dan sifatnya yang dinamis.
4.2 Pemrosesan Bahasa Alami (NLTK)
Natural Language toolkit (NLTK) adalah pustaka dalam python,
yang menyediakan dasar untuk pemrosesan dan klasifikasi teks.
Operasi seperti tokenization, tagging, filtering, manipulasi teks
dapat dilakukan dengan menggunakan NLTK.
Pustaka NLTK juga mewujudkan berbagai pengklasifikasi yang dapat
dilatih (contoh – Pengklasifikasi Naïve Bayes).
Pustaka NLTK digunakan untuk membuat model bag-of-words, yang
merupakan jenis model unigram untuk teks. Dalam model ini,
jumlah kemunculan setiap kata dihitung. Data yang diperoleh dapat
digunakan untuk melatih model classifier. Sentimen dari seluruh
tweet dihitung dengan menetapkan skor subjektivitas untuk setiap
kata menggunakan leksikon sentimen.
31

4.3 SCIKIT-PELAJARI
Proyek Scikit-learn dimulai sebagai scikits.learn, sebuah proyek Google
Summer Code oleh David Cournapeau. Ini adalah perpustakaan yang kuat
yang menyediakan banyak algoritma klasifikasi pembelajaran mesin, alat
yang efisien untuk penambangan data dan analisis data. Di bawah ini
adalah berbagai fungsi yang dapat dilakukan menggunakan
perpustakaan ini:
- Klasifikasi:Mengidentifikasi kategori yang
dimiliki objek tertentu.
- Regresi: Memprediksi sebuah bernilai terus menerus
atribut yang terkait dengan suatu objek. Kekelompokan:
- Pengelompokan otomatis objek serupa ke dalam set.
- Pengurangan Dimensi:Mengurangi jumlah
variabel acak yang dipertimbangkan.
- Pemilihan model:Membandingkan, memvalidasi dan
memilih parameter dan model.
- Prapemrosesan: Fitur ekstraksi
normalisasi untuk mengubah data input untuk digunakan
dengan algoritma pembelajaran mesin.
Untuk bekerja dengan scikit-learn, kita diharuskan untuk menginstal
NumPy pada sistem.
4.4 NumPy
NumPy adalah paket dasar untuk komputasi ilmiah
dengan Python. Ini menyediakan objek array
multidimensi berkinerja tinggi, dan alat untuk bekerja
dengan array ini. Isinya antara lain:
- Sebuah objek array N-dimensi yang kuat Fungsi
- canggih (penyiaran) Alat untuk mengintegrasikan
- kode C/C++ dan Fortran Aljabar linier yang berguna,
- transformasi Fourier, dan kemampuan angka acak.
4.5 Menyiapkan Lingkungan untuk Analisis
Sentimen Menggunakan Python
Komponen berikut ini harus diunduh dan diinstal
dengan benar.
- Unduh dan instal Python 2.6 atau lebih tinggi di lokasi
yang diinginkan.
- Unduh dan instal NumPy. Unduh dan
- instal pustaka NLTK. Unduh dan instal
- perpustakaan Scikit-learn.
4.6 Pengumpulan Data
Kami memiliki dua opsi untuk mengumpulkan data untuk analisis
sentimen. Pertama adalah menggunakan Tweepy - klien untuk Antarmuka
Pemrograman Aplikasi Twitter (API).
Itu dapat diinstal menggunakan perintah pip: pip install tweepy
Untuk mengambil tweet dari Twitter API, seseorang perlu mendaftarkan
Aplikasi melalui akun Twitter mereka. Setelah itu dilakukan langkah-
langkah berikut:
- Buka https://apps.twitter.com/ dan klik tombol – 'Buat
Aplikasi Baru'.
- Isi detail yang diminta.
- Saat Aplikasi dibuat, halaman akan dimuat
secara otomatis.
Jurnal Internasional Aplikasi Komputer (0975 – 8887)
Volume 165 – No.9, Mei 2017
- Buka tab 'Kunci dan Token Akses'.
- Salin 'Kunci Konsumen', 'Rahasia Konsumen', 'Token
Akses', dan 'Rahasia Token Akses'.
Kunci yang disalin kemudian dimasukkan ke dalam kode, yang membantu dalam
pengumpulan tweet yang dinamis setiap kali kita menjalankannya.
Opsi lainnya adalah mengumpulkan data secara non-dinamis menggunakan
data yang ada yang disediakan oleh situs web (seperti kaggle.com) dan
menyimpan data ke dalam format apa pun yang kami butuhkan (misalnya JSON,
csv, dll.).
Metode sebelumnya bersifat lambat karena melakukan
pengumpulan tweet setiap kali kita memulai program. Pendekatan
terakhir mungkin tidak memberi kami kualitas tweet yang kami
butuhkan.
Untuk mengatasi ini kita dapat menempatkan kode untuk koleksi tweet di
modul yang berbeda dengan cara yang tidak beroperasi setiap kali kita
dan menjalankan proyek.
4.7 Pra-pemrosesan dengan Python
Pra-pemrosesan dengan Python mudah dilakukan karena fungsi
yang disediakan oleh pustaka standar. Beberapa langkah diberikan
di bawah ini:
- Mengubah semua huruf besar menjadi huruf
- kecil. Menghapus URL:Pemfilteran URL dapat
dilakukan dengan bantuan ekspresi reguler (http|
https|ftp)://[a-zA-Z0-9\\./]+.
- Menghapus Pegangan (Referensi Pengguna):Pegangan
dapat dihapus menggunakan ekspresi reguler - @(\w+) .
- Menghapus hashtag:Tagar dapat dihapus menggunakan
ekspresi reguler - #(\w+).
- Menghapus emotikon:Kita dapat menggunakan
kamus emotikon untuk menyaring emotikon atau
menyimpan kemunculannya di file lain.
- Menghapus karakter berulang.
4.8 Ekstraksi Fitur
Berbagai metodologi untuk mengekstraksi fitur tersedia saat ini.
Term frekuensi-Inverse Frekuensi dokumen merupakan
pendekatan yang efisien. TF-IDF adalah statistik numerik yang
mencerminkan nilai sebuah kata untuk seluruh dokumen (di
sini, tweet).
Scikit-learn menyediakan vectorizers yang menerjemahkan dokumen
input ke dalam vektor fitur. Kita dapat menggunakan fungsi library
TfidfVectorizer(), yang dengannya kita dapat menyediakan
parameter untuk jenis fitur yang ingin kita pertahankan dengan
menyebutkan frekuensi minimum fitur yang dapat diterima.
4.9 PELATIHAN MODEL
scikit-library menyediakan berbagai model pembelajaran mesin yang
implementasinya dalam kode sangat mudah. Misalnya seseorang dapat
dengan mudah membuat instance Support Vector Machine dalam satu
baris –
classifier_poly=svm.SVC()
Untuk menggunakan model pembelajaran mesin, seseorang harus
ingat untuk menginstal NumPy dengan benar dan mengimpor dari
scikit-belajar model yang diinginkan.
Setelah melatih model kita, gunakan instance yang sama untuk menguji
model dan simpan hasil yang diperoleh.
32
 Jurnal Internasional Aplikasi Komputer (0975 – 8887)
Volume 165 – No.9, Mei 2017

5. EKSPERIMENTASI VALIDASI MODEL Tabel 1: Akurasi rata-rata dari model yang berbeda

S. Penggolong Ketepatan
Setelah langkah-langkah pra-pemrosesan dan ekstraksi fitur
tidak.
dilakukan, kami bekerja untuk melatih dan memvalidasi kinerja
model. Dataset yang terkumpul dibagi menjadi dua set pelatihan 1. DAN2 86,06%
dan set pengujian. Set pelatihan digunakan untuk melatih
pengklasifikasi (model yang dipelajari mesin) sedangkan set 2. SVM 85,0%
pengujian adalah tempat eksperimen dilakukan. Rasio dataset
3. Regresi Logistik Bayesian 74,84%
pelatihan dan pengujian dapat bervariasi sesuai dengan aplikasi. [1]
membagi dataset sebagai 70% pelatihan dan pengujian sisanya, 4. Naif Bayes 66,24%
sedangkan [3] yang menggunakan validasi silang pada dataset
dengan membaginya menjadi 10 bagian. Metode ini memilih 90%
5. Pengklasifikasi Hutan Acak 87,5%
untuk set pelatihan dan 10 untuk pengujian. 6. Jaringan syaraf 89,93%
[4] membagi set sebagai set pelatihan yang berisi 21000 tweet sedangkan set 7. Entropi Maksimum 90,0%
pengujian 1400 tweet (sekitar 93% dan 7%) sedangkan [5] menggunakan 75%
data untuk set pelatihan dan [9] menggunakan sekitar. 83% untuk pelatihan. 8. Pengklasifikasi ansambel 90,0%

Karena pekerjaan klasifikasi di [6] berbasis topik dan bersifat adaptif,

5.1 Aplikasi
maka pelabelan manual yang berlebihan dihindari yang mengurangi
ukuran set pelatihan.
Model yang dipilih untuk eksperimen dilatih menggunakan data training
set. Kemudian model terlatih yang sama ini digunakan untuk
mengklasifikasikan data baru, yang dengannya kita dapat memeriksa
keakuratannya.
Karena pekerjaan klasifikasi di [6] berbasis topik dan bersifat adaptif,
maka pelabelan manual yang berlebihan dihindari yang mengurangi
ukuran set pelatihan.
Karya yang diusulkan dari [3] sedikit berbeda karena mereka mengkorelasikan
peristiwa dan sentimen dengan menggunakan stempel waktu. Dengan
menggunakan metode ini untuk peristiwa tertentu, dimungkinkan untuk
membaginya menjadi sub-peristiwa dan lebih memperdalam studi sentimen
pengguna. Pendekatan ini rumit tetapi menghasilkan hasil yang sangat detail
ketika kami memilih acara besar dan ingin melihat fluktuasi sentimen pengguna
seiring waktu.
Jumlah kelas yang akan dipilih untuk klasifikasi terserah
pengguna. Seseorang dapat melakukan klasifikasi biner,
ternary atau multi-kelas berdasarkan jenis aplikasi yang kita
tuju. Tetapi telah diamati bahwa dengan bertambahnya
jumlah kelas, kinerja pengklasifikasi menurun [1], [3].
- Perdagangan:Perusahaan dapat memanfaatkan
penelitian ini untuk mengumpulkan opini publik terkait
dengan merek dan produk mereka. Dari sudut pandang
perusahaan, survei audiens target sangat penting untuk
mengetahui peringkat produk mereka. Oleh karena itu
Twitter dapat berfungsi sebagai platform yang baik untuk
pengumpulan dan analisis data untuk menentukan
kepuasan pelanggan.
- Politik:Mayoritas tweet di Twitter terkait dengan politik. Karena
penggunaan Twitter yang meluas, banyak politisi juga bertujuan
untuk terhubung dengan orang-orang melaluinya. Orang-orang
memposting dukungan atau ketidaksetujuan mereka terhadap
kebijakan, tindakan, pemilihan umum, debat pemerintah, dll. Oleh
karena itu, menganalisis data darinya dapat membantu dalam
menentukan pandangan publik.
- Acara olah raga:Olahraga melibatkan banyak acara,
kejuaraan, pertemuan dan beberapa kontroversi juga. Banyak
orang adalah pengikut olahraga yang antusias dan mengikuti
pemain favorit mereka yang hadir di Twitter. Orang-orang ini
sering men-tweet tentang berbagai acara terkait olahraga.
Kami dapat menggunakan data untuk mengumpulkan
pandangan publik tentang tindakan pemain, kinerja tim,
keputusan resmi, dll.

6. KESIMPULAN
Analisis sentimen Twitter termasuk dalam kategori penambangan teks
dan opini. Ini berfokus pada menganalisis sentimen tweet dan
memasukkan data ke model pembelajaran mesin untuk melatihnya dan
kemudian memeriksa keakuratannya, sehingga kami dapat menggunakan
model ini untuk penggunaan di masa mendatang sesuai dengan hasilnya.
Ini terdiri dari langkah-langkah seperti pengumpulan data, pra-
pemrosesan teks, deteksi sentimen, klasifikasi sentimen, pelatihan dan
pengujian model. Topik penelitian ini telah berkembang selama dekade
terakhir dengan model mencapai efisiensi hampir 85% -90%. Namun
masih kekurangan dimensi keragaman dalam data. Seiring dengan ini, ia
memiliki banyak masalah aplikasi dengan bahasa gaul yang digunakan
dan bentuk kata yang pendek. Banyak penganalisis tidak bekerja dengan
baik ketika jumlah kelas ditingkatkan. Juga masih belum diuji seberapa
akurat modelnya untuk topik selain yang sedang dipertimbangkan. Oleh
karena itu, analisis sentimen memiliki cakupan pengembangan yang
sangat cerah di masa depan.

Gambar 2: Akurasi berdasarkan jumlah kelas yang digunakan untuk

klasifikasi perasaan

33

7. REFERENSI
[1] David Zimbra, M. Ghiassi dan Sean Lee, “Analisis
Sentimen Twitter Terkait Merek menggunakan
Rekayasa Fitur dan Arsitektur Dinamis untuk
Jaringan Saraf Tiruan”, IEEE 1530-1605, 2016.
[2] Varsha Sahayak, Vijaya Shete dan Apashabi Pathan,
“Analisis Sentimen pada Data Twitter”, (IJIRAE) ISSN:
2349-2163, Januari 2015.
[3] Peiman Barnaghi, John G. Breslin dan Parsa Ghaffari,
“Penambangan Opini dan Polaritas Sentimen di Twitter dan
Korelasi antara Peristiwa dan Sentimen”, Konferensi
Internasional Kedua IEEE 2016 tentang Layanan dan
Aplikasi Komputasi Data Besar.
[4] Mondher Bouazizi dan Tomoaki Ohtsuki, “Analisis
Sentimen: dari Klasifikasi Biner ke Multi-Kelas”, IEEE
ICC 2016 SAC Social Networking, ISBN 978-1-
4799-6664-6.
[5] Nehal Mamgain, Ekta Mehta, Ankush Mittal dan Gaurav Bhatt,
“Analisis Sentimen Perguruan Tinggi Terbaik di India
Menggunakan Data Twitter”, (IEEE) ISBN -978-1-5090-0082-1,
2016.
IJCATM: www.ijcaonline.org
Lihat statistik publikasi
Jurnal Internasional Aplikasi Komputer (0975 – 8887)
Volume 165 – No.9, Mei 2017
[6] Halima Banu S dan S Chitrakala, “Trending Topic
Analysis Using Novel Sub Topic Detection Model”,
(IEEE) ISBN-978-1-4673-9745-2, 2016.
[7] Shi Yuan, Junjie Wu, Lihong Wang dan Qing Wang,
“Metode Hibrid untuk Analisis Sentimen Multi-kelas dari
Blog Mikro”, ISBN-978-1-5090-2842-9, 2016.
[8] Apoorv Agarwal, Boyi Xie, Ilia Vovsha, Owen Rambow
dan Rebecca Passonneau, “Analisis Sentimen Data
Twitter” Prosiding Lokakarya Bahasa di Media Sosial
(LSM 2011), 2011.
[9] Neethu MS dan Rajasree R, “Analisis Sentimen di Twitter
Menggunakan Teknik Machine Learning”, IEEE – 31661,
4th ICCCNT 2013.
[10] Aliza Sarlan, Chayanit Nadam dan Shuib Basri, “Analisis
Sentimen Twitter”, Konferensi Internasional Teknologi
Informasi dan Multimedia (ICIMU) 2014 (ICIMU),
Putrajaya, Malaysia 18 – 20 November 2014.
[11] Fitur rekayasa, Wikipedia 2017,
https://en.wikipedia.org/wiki/Feature_engineering
34