DETEKSI SUBJEKTIFITAS TEKS BERBAHASA INDONESIA MENGGUNAKAN METODE LEXICON RULE BASED

Transkripsi

1 DETEKSI SUBJEKTIFITAS TEKS BERBAHASA INDONESIA MENGGUNAKAN METODE LEXICON RULE BASED Tugas Akhir Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Lutfi Widyanto JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG APRIL, 2016

2

3 LEMBAR PERNYATAAN Yang bertanda tangan dibawah ini : Nama : Lutfi Widyanto Tempat / Tanggal Lahir : Malang / 18 Juli 1993 NIM : Fakultas / Jurusan : Teknik / Teknik Informatika Dengan ini saya menyatakan bahwa tugas akhir dengan judul Deteksi Subjektifitas Teks Berbahasa Indonesia menggunakan Metode Lexicon-Rule Based beserta seluruh isinya adalah karya saya sendiri dan bukan merupakan karya tulis orang lain, baik sebagian maupun keseluruhan, kecuali dalam bentuk kutipan yang sudah disebutkan sumbernya. Demikian surat pernyataan ini saya buat dengan sebenar-benarnya. Apabila kemudian ditemukan adanya pelanggaran terhadap etika keilmuan dalam karya ini, atau ada klaim dari pihak lain terhadap keaslian karya saya, maka saya siap menanggung segala bentuk resiko / sanksi yang berlaku. Malang, 10 Agustus 2017 Penulis Lutfi Widyanto Menyetujui, Dosen I Dosen II Yufis Azhar, S.Kom., M.Kom. NIP Yuda Munarko, S.Kom., M.Sc. NIP

4 KATA PENGANTAR Assalamu alaikum Wr. Wb. Puji syukur ke hadirat Allah SWT yang telah memberi kekuatan dan petunjuk serta melimpahkan rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul Deteksi Subjektifitas Teks Berbahasa Indonesia menggunakan Metode Lexicon-Rule Based, dimana tugas akhir ini adalah persyaratan untuk menyelesaikan studi di Jurusan Teknik Informatika jenjang Strata-1 Universitas Muhammadiyah Malang. Dengan segala kerendahan hati, penulis menyadari bahwa dalam menyelesaikan tugas akhir ini tidak lepas dari peran berbagai pihak yang telah banyak memberikan bantuan, bimbingan dan dukungan. Dalam kesempatan ini penulis ingin mengucapkan terima kasih yang tak terhingga kepada: 1. Bapak Yufis Azhar, S.Kom., M.Kom selaku dosen pembimbing I yang telah memberikan pengarahan, bimbingan, serta masukan selama pelaksanaan tugas akhir dan penelitian serta penulisan laporan. 2. Bapak Yuda Munarko, S.Kom., M.Sc selaku Ketua Jurusan Teknik Informatika dan dosen pembimbing II yang telah memberikan pengarahan, bimbingan, serta masukan selama pelaksanaan tugas akhir dan penelitian serta penulisan laporan. 3. Ayah dan Ibu tercinta dan tersayang yang telah banyak memberikan cinta, kasih, sayangnya dan tak pernah berhenti kiriman doanya kepada penulis, hingga penulis mampu menyelesaikan skripsi ini, serta adik, kakak, dan semua saudaraku tersayang terima kasih untuk doa, dorongan semangat dan keceriaan yang diberikan kepada penulis. 4. Sahabat sahabat dan teman teman di Universitas Muhammadiyah Malang, khususnya teman-teman di jurusan Teknik Informatika angkatan 2012, Buana, Iqbal, Mas Wawas, Cik Yunita, Faim, Luthfi A, Pepeng, Onny, Karim, Rizet, Demes, Zul, Anggi, Annisa, Aidil serta teman-teman part time dan asisten di LKEB, terimakasih banyak atas dukungan kalian. 5. Serta semua pihak yang mungkin belum saya sebutkan dan sahabat-sahabat yang telah membantu penulis hingga terselesaikannya tugas akhir ini, semoga Allah SWT memberikan balasan yang sesuai atas jasa dan bantuan yang telah diberikan. Penulis menyadari sepenuhnya bahwa sebagai manusia biasa tentunya tidak akan luput dari kekurangan dan keterbatasan. Maka dengan segenap kerendahan hati, penulis mengharapkan saran dan kritik yang dapat menyempurnakan penulisan ini sehingga dapat bermanfaat dan berguna untuk pengembangan ilmu pengetahuan. Malang, Agustus 2017

5

6

7

8

9 DAFTAR PUSTAKA [1] Bia Putri, I., Maharani, W., Hidayati, H Opini Summarization Untuk Review Produk Dengan Algoritma Pointwise Mutual Information - Information Retrieval (PMI- IR). Universitas Telkom. [2] Taras Zagibalov (slide) and J. Caroll. Automatic seed word selection for unsupervised sentiment classification of chinese text. In proceedings of the 22nd international conference on computational linguistics. vol 1, page 1073 (ACL) [3] Pang, B., & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 1-2. [4] Yang, C. S., & Shih, H. P. (2012). A Rule-Based Approach For Effective Sentiment Analysis. In PACIS (p. 181). [5] Rozi, I. F., Pramono, S. H., & Dahlan, E. A. (2013). Implementasi Opinion Mining (Analisis Sentimen) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi. Jurnal EECCIS, 6(1), [6] Ding, X., Liu, B., & Yu, P. S. (2008). A Holistic Lexicon-Based Approach to Opinion Mining. Proceedings of the 2008 International Conference on Web Search and Data Mining (pp ). New York: ACM. [7] Pak, A., & Paroubek, P. (2010). Twitter as a Corpus for Sentiment Analysis and Opinion Mining. 7th International Language Resources and Evaluation (pp ). Valletta: ELRA. [8] Anonym. Twitter, diakses pada tanggal 20 Desember [9] Feldman, R., & Sanger, J. (2007). Advanced Approaches in Analyzing Unstructured Data, The Text Mining Handbook. New York: Cambirdge UP. [10] Hotho, A., Nurnberger, A., & Paaß, G. (2005). A Brief Survey of Text Mining. Computational Linguistics and Language Technology, [11] Manning, C. D., Raghavan, P., & Schütze, H. (2009). An Introduction to Information Retrieval. Cambridge: Cambridge UP. [12] RASHEL, Fam, et al. Building an Indonesian rule-based part-of-speech tagger. In: Asian Language Processing (IALP), 2014 International Conference on. IEEE, p [13] Saraswati, N. W. S. (2011). Text Mining dengan Metode Naive Bayes Classifier dan Support Vector Machines untuk Sentiment Analysis. Universitas Udayana Denpasar.

10 [14] Buntoro, G. A., Adji, T. B., & Purnamasari, A. E. (2014). Sentiment Analysis Twitter dengan Kombinasi Lexicon Based dan Double Propagation. CITEE 2014, [15] Hirzani, F. A., Maharani, W., & Bijaksana, M. A ANALISIS SENTIMEN REVIEW PRODUK MENGGUNAKAN PENDEKATAN BERBASIS KAMUS. Universitas Telkom