Abstract:
Sentiment Analysis merupakan proses untuk memahami dan mengolah data
tesktual secara otomatis untuk mendapatkan informasi sentiment yang terkandung
dalam suatu opini. Dalam penelitiannya digunakan beberapa metode data mining yang
salah satunya menggunakan algoritma pembobotan TF-RF dan W.IDF. Metode TF.RF
adalah metode dari penggabungan dua metode, yaitu metode TF dan metode RF.
Penggabungan dua metode ini diharapkan dapat menghasilkan performansi yang lebih
baik. Persamaan TF-RF berasal dari TF-IDF, namun kelemahan dari TF-IDF yaitu
tidak dapat merepresentasikan perbedaan dokumen positif dari sekumpulan dokumen
negative. Sedangkan Weighted Inverse Document Frequency Weighted inverse
document frequency (WIDF) adalah sebuah perluasan dari inverse document
frequency (IDF) Salah satu bentuk data yang dapat digunakan dalam sentiment
analysis yaitu Data Komentar Evaluasi Dosen. Data termasuk dalam kumpulan data
teks berbahasa Indonesia yang dapat diolah menggunakan algoritma pembobotan TF
– RF dan W.IDF. TF-RF merupakan salah satu metode yang ditingkatkan dari metode
TF dan TF-IDF , sedangkan W.IDF sendiri merupakan metode hasil peningkatan dari
IDF. Data yang telah dilakukan pembobotan akan dihitung hasil akurasinya dengan
Support Vector Machine (SVM). Hasil pengujian dengan pembobotan TF-RF
diperoleh nilai akurasi sebesar 81,98?n W.IDF sebesar 78,85%.
Kata Kunci : Sentyment Analysis, Text Mining, Data Mining, TF-RF, W.IDF, Support
Vector Machine
