ANALISIS SENTIMEN DATA KRITIK DAN SARAN PELATIHAN APLIKASI TEKNOLOGI INFORMASI (PATI) MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE LAPORAN TUGAS AKHIR Diajukan untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Disusun oleh : ALIMUDDIN HASAN AL KABIR 201310370311179 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG
KATA PENGANTAR Assalamu alaikum Wr. Wb. Segala puji bagi Allah SWT, yang telah memberikan Rahmat dan Karunianya, sehingga penulis dapat menyelesaikan skripsi yang berjudul: ANALISIS SENTIMEN DATA KRITIK DAN SARAN PELATIHAN APLIKASI TEKNOLOGI INFORMASI (PATI) MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Skripsi ini merupakan salah satu syarat studi yang harus ditempuh oleh seluruh mahasiswa Universitas Muhammadiyah Malang, guna menyelesaikan akhir studi pada jenjang program Strata 1. Peneliti menyadari masih banyak kekurangan dan keterbatasan dalam penulisan tugas akhir ini. Untuk itu, penulis sangat mengharapkan saran yang membangun agar tulisan ini dapat berguna untuk perkembangan ilmu pengetahuan kedepan. Malang, 4 Oktober 2017 Penulis Alimuddin Hasan Al Kabir
DAFTAR ISI LEMBAR PERSETUJUAN... ii LEMBAR PENGESAHAN... iii LEMBAR PERNYATAAN... iv ABSTRAK... v ABSTRACT... vi LEMBAR PERSEMBAHAN... vii KATA PENGANTAR... viii DAFTAR ISI... ix DAFTAR GAMBAR... xi DAFTAR TABEL... xii BAB I PENDAHULUAN... 1 1.1. Latar Belakang... 1 1.2. Rumusan Masalah... 3 1.3. Batasan Masalah... 3 1.4. Tujuan Penelitian... 3 1.5. Metodologi... 4 1.5.1. Studi Pustaka... 4 1.5.2. Analisis Kebutuhan... 4 1.5.3. Desain Sistem... 4 1.5.4. Implementasi Sistem... 4 1.5.5. Pengujian dan Evaluasi... 4 1.5.6. Penyusunan Laporan... 4 1.6. Sistematika Penulisan... 4 BAB 2 LANDASAN TEORI... 6 2.1. Pengantar Data Mining... 6 2.2. Klasifikasi... 7 2.3. Analisis Sentimen dan Opinion Mining... 7 2.4. Data Preprocessing... 9 2.5. Pembobotan TF-IDF... 9 2.6. Support Vector Machine... 10 2.7. PHP-ML... 11
2.8. Tinjauan Pustaka... 11 2.9. Metode Pengujian... 12 2.8.1. Accuracy... 14 2.8.2. Precision... 15 2.8.3. Recall... 15 BAB III ANALISIS DAN PERANCANGAN SISTEM... 16 3.1. Analisis Masalah... 16 3.2. Analisis Data... 16 3.2.1. Data Penelitian... 16 3.2.2. Proses Analisis Data... 18 3.3. Analisis Sistem... 18 3.3.1. Usecase Diagram... 18 3.3.2. Flowchart... 19 3.3.3. Data Preprocessing... 19 3.3.4. Pembobotan TF-IDF... 20 3.3.5. Pemodelan SVM... 21 BAB IV IMPLEMENTASI DAN PENGUJIAN... 24 4.1. Implementasi Sistem... 24 4.1.1. Kebutuhan Perangkat Keras dan Perangkat Lunak... 24 4.1.2. Implementasi Fitur... 24 4.2. Pengujian Sistem... 29 4.3. Hasil Pengujian... 36 BAB V KESIMPULAN DAN SARAN... 38 5.1. Kesimpulan... 38 5.2. Saran... 38 DAFTAR PUSTAKA... 39 LAMPIRAN... 41 Lampiran 1. Hasil Pengujian Iterasi ke 1... 41 Lampiran 2. Hasil Pengujian Iterasi ke 2... 46 Lampiran 3. Hasil Pengujian Iterasi ke 3... 51 Lampiran 4. Hasil Pengujian Iterasi ke 4... 56 Lampiran 5. Hasil Pengujian Iterasi ke 5... 61
DAFTAR PUSTAKA [1] Panitia PATI UMM, Pelatihan Aplikasi Teknologi Informasi (PATI) Universitas Muhammadiyah Malang, 2013. [Online]. Available: https://ppaiumm.wordpress.com/. [Accessed: 06-Sep-2017]. [2] S. E. P. Widoyoko, Evaluasi Program Pembelajaran, J. Ilmu Pendidik., pp. 1 16, 2000. [3] D. Mardapi, Pengukuran Penilaian dan Evaluasi Pendidikan, Yogyakarta Nuha Med., 2012. [4] B. I. Page and R. Y. Shapiro, Effect of Public Opinion on Policy. pp. 175 190, 1983. [5] J. Riany, M. Fajar, and M. P. Lukman, Penerapan Deep Sentiment Analysis pada Angket Penilaian Terbuka Menggunakan K-Nearest Neighbor, vol. 6, no. 1, pp. 147 156, 2016. [6] M. DeHaff, Sentiment Analysis, Hard But Worth It!, 2010. [Online]. Available: http://customerthink.com/sentiment_analysis_hard_but_worth_it/. [Accessed: 03-Mar-2017]. [7] V. Chandani, R. S. Wahono, and. Purwanto, Komparasi Algoritma Klasifikasi Machine Learning Dan Feature Selection pada Analisis Sentimen Review Film, J. Intell. Syst., vol. 1, no. 1, pp. 55 59, 2015. [8] A. Hamzah, Sentiment Analysis untuk Memanfaatkan Saran Kuesioner Dalam Evaluasi Pembelajaran dengan Menggunakan Naive Bayes Classifier (NBC), Snast, no. November, pp. 18 24, 2014. [9] P. P. Widodo, Penerapan Data Mining dengan Matlab. Bandung: Rekayasa Sains, 2013. [10] F. Gorunescu, Data Mining - Concepts, Models, and Techniques. Berlin: Springer Berlin Heidelberg, 2011. [11] B. Pang and L. Lee, Opinion Mining and Sentiment Analysis, vol. 2, no. 1 2. 2008. [12] W. Medhat, A. Hassan, and H. Korashy, Sentiment Analysis Algorithms and Applications: A Survey, Ain Shams Eng. J., vol. 5, no. 4, pp. 1093 1113, 2014.
[13] B. Santosa, Tutorial Support Vector Machine, pp. 1 23, 1995. [14] K. Sembiring, Tutorial SVM Bahasa Indonesia, Training, no. September, pp. 1 28, 2007. [15] N. M. S. Hadna, P. I. Santosa, and W. W. Winarno, Studi Literatur Tentang Perbandingan Metode untuk Proses Analisis Sentimen di Twitter, vol. 2016, no. Sentika, pp. 18 19, 2016. [16] P. P. Widodo, R. T. Handayanto, and Herlawati, Penerapan Data Mining dengan Matlab. Bandung: Rekayasa Sains, 2013. [17] E. Prasetyo, Data Mining: Konsep dan Aplikasi menggunakan Matlab. Yogyakarta: Penerbit Andi, 2012.