Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square
Abstract
Ulasan film berisi opini atau pandangan penonton terhadap suatu karya film, dalam hal ini gambaran secara umum dan detail sebuah film. Banyaknya respon dari penonton terhadap suatu film belum bisa dikategorikan secara langsung menjadi sebuah sentiment, untuk itu perlunya sebuah sentimen analisis. Analisis sentimen adalah subjek utama dalam machine learning yang bertujuan untuk mengekstrak subjektif informasi dari ulasan tekstual. Pada penelitian ini akan melakukan analisis sentiment pada movie review yang didapat dari IMDB untuk menganalisis respon penonton terhadap film yang mereka tonton kedalam dua kelompok; respon positif dan negatif. Proses analisis dilakukan dengan menggunakan text mining dalam mengekstraksi informasi yang diperoleh dan diklasifikasi dengan Naïve Bayes. Sentimen respon akan diuji dengan Chi Square.
References
[2] H. Maning, C., Raghavan, P. & Schutze, Introduction to Information Retrieval. London: Cambridge University Press., 2008.
[3] H. Zhang, L., Ghosh, R., Dekhil, M. and B. M. & Liu, Combining Lexiconbased and Learning-based Methods for Twitter Sentiment Analysis. Chicago: Hewlett-Packard Development Company, L.P., 2011.
[4] B. Liu, Sentiment Analysis and Opinion Mining. Rafael: Morgan & Claypool Publishers, 2012.
[5] J. Feldman, Ronen., Sanger, “No Title,” The Text Mining Handbook Advanced Approaches in Analyzing Unstructured Data. [Online]. Available: http://www.books24x7.com/marc.asp?bookid=23164.
[6] B. Kurniawan, S. Effendi, and O. S. Sitompul, “Klasifikasi Konten Berita Dengan Metode Text Mining,” J. Dunia Teknol. Inf., vol. 1, no. 1, pp. 14–19, 2012.
[7] A. A. Maarif, “Penerapan Algoritma TF-IDF untuk Pencarian Karya Ilmiah,” no. 5.
[8] J. Aldrich, R. A. Fisher on Bayes and Bayes’ Theorem. Bayesian Analysis, 3(1). 2006.
[9] J. Ling, I. putu E. N. Kencana, and T. B. Oka, “Analisis Sentimen Menggunakan Metode Naïve Bayes Classifier Dengan Seleksi Fitur Chi Square,” E-Jurnal Mat., vol. 3, no. 3, pp. 92–99, 2014.
This work is licensed under a Creative Commons Attribution 4.0 International License.