ANALISA PERBANDINGAN ANTARA PELABELAN OTOMATIS MENGGUNAKAN LEXICON DAN PELABELAN MANUAL DALAM KLASIFIKASI ANALISIS SENTIMEN PADA KOMENTAR DI SOSIAL MEDIA MENGGUNAKAN ALGORITMA MACHINE LEARNING

1903015028 - Rizki Alamsyah; Mia Kamayani, ST.,MT.;

Berkembangnya penelitian mengenai analisis sentimen pada sosial media mencerminkan
pentingnya memahami opini yang dibagikan oleh pengguna. Namun, untuk melakukan analisis
sentimen yang efektif, penentuan sentimen pada setiap teks harus dilakukan dengan akurat. Jadi
penelitian kali ini bertujuan untuk membandingkan antara metode pelabelan otomatis menggunakan
lexicon dan metode pelabelan manual. Berdasarkan hasil temuan pada penelitian ini adalah
menunjukkan perbedaan dalam klasifikasi sentimen antara dua metode tersebut. Pelabelan otomatis
cenderung menghasilkan lebih banyak sentimen negatif sebesar 61.6% daripada positif, sementara
pelabelan manual menghasilkan lebih banyak sentimen positif sebesar 54.4% dari pada negatif dan
juga dalam implementasi algoritma machine learning, support vector machine memberikan evaluasi
yang lebih baik dari pada naïve bayes dan decision tree dengan nilai akurasi sebesar 88.70% pada
pelabelan otomatis menggunakan lexicon dan pada pelabelan manual mendapatkan akurasi sebesar
72.46% yang berarti bahwa pelabelan lexicon lebih baik dari pada pelabelan manual