Sentiment Analysis Terhadap Tweet Bernada Sarkasme Berbahasa Indonesia
Sarkasme dapat mengubah polaritas kalimat dari positif atau negatif menjadi sebaliknya. Sementara senti-men analisis pada sosial media sudah banyak dimanfaatkan, tetapi masih jarang sekali ditemukan sentimen analisis yang mempertimbangkan pendeteksian sarkasme didalamnya. Hal ini tentu akan mempenga...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Indonesia Association of Computational Linguistics (INACL)
2019-09-01
|
| Series: | Jurnal Linguistik Komputasional |
| Online Access: | http://inacl.id/journal/index.php/jlk/article/view/23 |
| _version_ | 1818588366614036480 |
|---|---|
| author | Lanny Septiani Yuliant Sibaroni |
| author_facet | Lanny Septiani Yuliant Sibaroni |
| author_sort | Lanny Septiani |
| collection | DOAJ |
| description | Sarkasme dapat mengubah polaritas kalimat dari positif atau negatif menjadi sebaliknya. Sementara senti-men analisis pada sosial media sudah banyak dimanfaatkan, tetapi masih jarang sekali ditemukan sentimen analisis yang mempertimbangkan pendeteksian sarkasme didalamnya. Hal ini tentu akan mempengaruhi kualitas dari hasil analisis. Percobaan mengenai sentimen analisis dengan pendeteksian sarkasme lebih sering ditemukan pada penggunaan bahasa Inggris. Oleh karena itu, dengan mengacu pada penelitian yang dilakukan pada tweet berbahasa Inggris, pada penelitian ini kami menganalisa sentimen analisis bernada sarkasme pada Tweet berbahasa Indonesia dengan menggunakan fitur interjeksi dan unigram sebagai fitur utama oendeteksi kalimat sarkasme serta membandingkan 2 metode klasifikasi yaitu Naive Bayes dan Support Vector Machine dengan kernel polinomial. Fitur interjeksi menyatakan fitur yang memuat kata-kata yang mengungkapkan perasaan dan maksud seseorang, sedangkan fitur unigram merupakan kumpulan kata tunggal yang diperoleh dari korpus secara otomatis. Hasil eksperimen menunjukkan penggunaan fitur interjeksi dan unigram sebagai pendeteksian sarkasme pada tweet berbahasa Indonesia mampu meningkatkan akurasi dengan rata-rata kenaikan akurasi lebih dari 8% untuk classifier Naive Bayes dan lebih dari 13% untuk classifier Support Vector Machine dibandingkan hanya menggunakan fitur unigram saja. Hasil lainnya adalah akurasi terbaik adalah metode Naive Bayes dengan akurasi terbaik yang diperoleh mencapai lebih dari 91. |
| first_indexed | 2024-12-16T09:23:37Z |
| format | Article |
| id | doaj.art-eae8fb196ce94428929f9d2c86ebafd7 |
| institution | Directory Open Access Journal |
| issn | 2621-9336 |
| language | English |
| last_indexed | 2024-12-16T09:23:37Z |
| publishDate | 2019-09-01 |
| publisher | Indonesia Association of Computational Linguistics (INACL) |
| record_format | Article |
| series | Jurnal Linguistik Komputasional |
| spelling | doaj.art-eae8fb196ce94428929f9d2c86ebafd72022-12-21T22:36:42ZengIndonesia Association of Computational Linguistics (INACL)Jurnal Linguistik Komputasional2621-93362019-09-0122626710.26418/jlk.v2i2.2323Sentiment Analysis Terhadap Tweet Bernada Sarkasme Berbahasa IndonesiaLanny SeptianiYuliant SibaroniSarkasme dapat mengubah polaritas kalimat dari positif atau negatif menjadi sebaliknya. Sementara senti-men analisis pada sosial media sudah banyak dimanfaatkan, tetapi masih jarang sekali ditemukan sentimen analisis yang mempertimbangkan pendeteksian sarkasme didalamnya. Hal ini tentu akan mempengaruhi kualitas dari hasil analisis. Percobaan mengenai sentimen analisis dengan pendeteksian sarkasme lebih sering ditemukan pada penggunaan bahasa Inggris. Oleh karena itu, dengan mengacu pada penelitian yang dilakukan pada tweet berbahasa Inggris, pada penelitian ini kami menganalisa sentimen analisis bernada sarkasme pada Tweet berbahasa Indonesia dengan menggunakan fitur interjeksi dan unigram sebagai fitur utama oendeteksi kalimat sarkasme serta membandingkan 2 metode klasifikasi yaitu Naive Bayes dan Support Vector Machine dengan kernel polinomial. Fitur interjeksi menyatakan fitur yang memuat kata-kata yang mengungkapkan perasaan dan maksud seseorang, sedangkan fitur unigram merupakan kumpulan kata tunggal yang diperoleh dari korpus secara otomatis. Hasil eksperimen menunjukkan penggunaan fitur interjeksi dan unigram sebagai pendeteksian sarkasme pada tweet berbahasa Indonesia mampu meningkatkan akurasi dengan rata-rata kenaikan akurasi lebih dari 8% untuk classifier Naive Bayes dan lebih dari 13% untuk classifier Support Vector Machine dibandingkan hanya menggunakan fitur unigram saja. Hasil lainnya adalah akurasi terbaik adalah metode Naive Bayes dengan akurasi terbaik yang diperoleh mencapai lebih dari 91.http://inacl.id/journal/index.php/jlk/article/view/23 |
| spellingShingle | Lanny Septiani Yuliant Sibaroni Sentiment Analysis Terhadap Tweet Bernada Sarkasme Berbahasa Indonesia Jurnal Linguistik Komputasional |
| title | Sentiment Analysis Terhadap Tweet Bernada Sarkasme Berbahasa Indonesia |
| title_full | Sentiment Analysis Terhadap Tweet Bernada Sarkasme Berbahasa Indonesia |
| title_fullStr | Sentiment Analysis Terhadap Tweet Bernada Sarkasme Berbahasa Indonesia |
| title_full_unstemmed | Sentiment Analysis Terhadap Tweet Bernada Sarkasme Berbahasa Indonesia |
| title_short | Sentiment Analysis Terhadap Tweet Bernada Sarkasme Berbahasa Indonesia |
| title_sort | sentiment analysis terhadap tweet bernada sarkasme berbahasa indonesia |
| url | http://inacl.id/journal/index.php/jlk/article/view/23 |
| work_keys_str_mv | AT lannyseptiani sentimentanalysisterhadaptweetbernadasarkasmeberbahasaindonesia AT yuliantsibaroni sentimentanalysisterhadaptweetbernadasarkasmeberbahasaindonesia |