JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG

Transkripsi

1 KLASIFIKASI ENTERTAINER BERDASARKAN TWEET MENGGUNAKAN METODE SCORING BERBASIS LEXICON BASED TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Disusun Oleh : Hilal Pratama JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG 2015

2

3

4

5 KATA PENGANTAR Puji dan syukur penulis panjatkan kehadirat Allah SWT atas limpahan rahmat serta karunia-nya sehingga penulis dapat menyelesaikan tugas akhir dengan baik dan lancar. Judul dari tugas akhir ini adalah : KLASIFIKASI ENTERTAINER BERDASARKAN TWEET MENGGUNAKAN METODE SCORING BERBASIS LEXICON BASED. Penulisan laporan tugas akhir ini bertujuan sebagai persyaratan guna memperoleh gelar sarjana komputer dan syarat kelulusan bagi mahasiswa Teknik Informatika Universitas Muhammadiyah Malang. Di dalam tulisan ini disajikan pokok-pokok bahasan yang meliputi pendahuluan, dasar teori, perancangan sistem, pengujian, analisa sistem dan kesimpulan. Pada dasarnya penulis menyadari bahwa dalam tugas akhir ini masih banyak kekurangan dan keterbatasan. Oleh karena itu penulis mengharapkan saran yang dapat membangun agar tulisan ini bermanfaat bagi perkembangan ilmu pengetahuan kedepan. Malang, 06 Januari 2015 Penulis viii

6 DAFTAR ISI HALAMAN JUDUL LEMBAR PERSETUJUAN... LEMBAR PENGESAHAN... LEMBAR PERNYATAAN... ABSTRAK... ABSTRACT... LEMBAR PERSEMBAHAN... KATA PENGANTAR... DAFTAR ISI... DAFTAR GAMBAR... DAFTAR TABEL... i ii iii iv v vi viii ix xii xiv BAB I PENDAHULUAN 1.1. Latar Belakang Rumusan Masalah Tujuan Batasan Masalah Metode Penelitian Sistematika Penulisan... 4 BAB II LANDASAN TEORI 2.1 Twitter dan Twitter API Sentiment Analysis Lexicon Text Mining... 7 BAB III ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Sistem Analisa Data Software dan Hardware yang Digunakan ix

7 3.4 Desain Arsitektur Sistem Crawling Proses Membangun Lexicon Preprocessing Rancang Klasifikasi Klasifikasi Tweet Menggunakan Metode Lexicon Based Klasifikasi Entertainer Berdasarkan Score Perangkingan Entertainer Perancangan Sistem Use case Activity Diagram Activity Diagram Klasifikasi Tweet Activity Diagram Klasifikasi Entertainer Rancang Desain Interface Sistem Rancang Interface Menu Utama Rancang Interface Menu Crawling Rancang Interface Menu Bangun Lexicon Rancang Interface Menu Data Klasifikasi BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1 Impelementasi Software dan Hardware Implementasi Sistem Registrasi Twitter Developer Proses Crawling Tweet Proses Membangun Lexicon Proses Klasifikasi Tweet Proses Klasfikasi Entertainer Proses Perangkingan Proses Tampil Grafik Score Proses Koneksi Struktur Database x

8 4.3 Pengujian Sistem Pengujian Fungsionalitas Interface Menu Utama Interface Menu Crawling Interface Bangun Lexicon Interface Menu Data Klasifikasi Pengujian Keberhasilan Klasifikasi Tweet BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN xi

9 DAFTAR GAMBAR Gambar 3.1 Desain Arsitektur Sistem Gambar 3.2 Use case Diagram Gambar 3.3 Activity Diagram Klasifikasi Tweet Gambar 3.4 Activity Diagram Klasifikasi Entertainer Gambar 3.5 Rancangan Interface Menu Utama Gambar 3.6 Rancangan Interface Menu Crawling Gambar 3.7 Rancangan Interface Menu Bangun Lexicon Gambar 3.8 Rancangan Interface Menu Data Klasifikasi Gambar 4.1 Halaman Create An Application pada dev.twitter Gambar 4.2 Halaman Application Settings pada dev.twitter Gambar 4.3 Library yang Digunakan Dalam Sistem Gambar 4.4 Key dan Token Dimasukkan ke Dalam Source Sode Gambar 4.5 Source Code Crawling Tweet Gambar 4.6 Merubah File Hasil Crawling ke Dalam Database Gambar 4.7 Menghapus Alamat URL Gambar 4.8 Input Kata Sentiment ke Dalam Lexicon Gambar 4.9 Case Folding Gambar 4.10 Cleansing Gambar 4.11 Tokenizing Gambar 4.12 Replacement Gambar 4.13 Stopword Removal Gambar 4.14 Cek Kata pada Lexicon Positif Gambar 4.15 Menghitung Jumlah Kemunculan Nilai Kata Sentiment Positif. 34 Gambar 4.16 Cek Kata pada Lexicon Negatif Gambar 4.17 Menghitung Jumlah Kemunculan Nilai Kata Sentiment Negatif. 35 Gambar 4.18 Klasifikasi Tweet Gambar 4.19 Hitung Score Gambar 4.20 Hitung Selisih Score Gambar 4.21 Klasifikasi Entertainer Gambar 4.22 Menampilkan Rangking Positif xii

10 Gambar 4.23 Menampilkan Rangking Negatif Gambar 4.24 Menampilkan Grafik Score Gambar 4.25 Koneksi Database Gambar 4.26 Struktur Database Gambar 4.27 Hasil Interface Menu Utama Gambar 4.28 Hasil Interface Menu Crawling Gambar 4.29 Hasil Interface Bangun Lexicon Gambar 4.30 Hasil Interface Menu Data Klasfikasi Gambar 4.31 Grafik Rangking Positif Gambar 4.32 Grafik Rangking Negatif Gambar 4.33 Grafik Score xiii

11 DAFTAR TABEL Tabel 3.1 Skenario Klasifikasi Entertainer Tabel 3.2 Skenario Klasifikasi Tweet Tabel 4.1 Implementasi Software Tabel 4.2 Implementasi Hardware Tabel 4.3 Fungsionalitas Menu Utama Tabel 4.4 Fungsionalitas Menu Crawling Tabel 4.5 Fungsionalitas Bangun Lexicon Tabel 4.6 Fungsionalitas Menu Data Klasifikasi Tabel 4.7 Presentase Jumlah Lexicon Tabel 4.8 Hasil Klasifikasi Tweet Tabel 4.9 Confusion Matrix Tabel 4.10 Hasil Klasifikasi Tweet Tanpa Preprocessing xiv

12 DAFTAR PUSTAKA [1] Anonim. Media Sosial. (diakses tanggal 19 Desember 2014) [2] Putranggalih,Verly,Benartha dan Wahyu Suadi Implementasi Fitur Fitur Social Network Berbasis Dekstop Client Dengan Menggunakan Twitter Dan Facebook API. Fakultas Teknologi Informasi. Institut Teknologi Sepuluh Nopember. [3] Liu, Bing.2012.Sentiment Analysis and Opinion Mining: Morgan Claypool Publisher. [4] Sarawasti,Sumartini, Ni Wayan Text Mining Dengan Metode Naïve Bayes Classifier Dan Support Vector Machines Untuk Sentiment Analysis.Program Pascasarjana.Universitas Udayana.Denpasar. [5] Anonim. tanggal 17 Desember 2014 ). [6] Anonim. Code Examples. (diakses tanggal 30 November 2014). [7] Anonim. Using advanced search. how-to-use-advanced-twittersearch. (diakses tanggal 30 November 2014). [8] Anonim. Main. (diakses tanggal 30 November 2014). 59

13 [9] Anonim. How to retrieve more than 100 results using Twitter4j results- using-twitter4j. (diakses tanggal 31 November 2014). [10] Indrajani dan Martin Pemrograman Berorientasi Objek dengan JAVA:Penerbit PT ELex Media Komputindo. [11] Sugiri dan Haris Saputro.2008.Pengelolaan Database MySQL dengan PhpMyAdmin.Baturaja:GRAHA ILMU. [12] Radityasari,Sakti,Nina Implementasi Algoritma Naïve Bayes Untuk Klasifikasi Opini Pada Jejaring Sosial Twitter. Universitas Muhammadiyah Malang. [13] Suharto,Yaqin,Suharto Opinion Mining Terhadap Elektibilitas Calon Presiden Indonesia pada Media Sosial Twitter dengan Metode Berbasis Lexicon dan Algoritma Naïve Bayes Classifier. Universitas Muhammadiyah Malang. [14] Churriyah, Billadil, Mudliatul DETEKSI DAERAH RAWAN KECELAKAAN LALU LINTAS BERDASARKAN TWEET MENGGUNAKAN NAMED ENTITY RECOGNITION (NER). Universitas Muhammadiyah Malang. 60