Skripsi

Analisis kinerja metode random forest pada klasifikasi teks islamofobia / Bhimantoro Suryo Admodjo

Abstrak
Dalam beberapa tahun terakhir penelitian tentang analisis sentimen media sosial telah berkembang pesat. Banyak peneliti lebih suka menggunakan algoritme machine learning untuk analisis sentimen. Penelitian ini bertujuan untuk melakukan hyperparameter tuning pada random forest untuk analisis sentimen twitter pada teks islamopobia. Pendekatan yang diusulkan terdiri dari data crawling dan data labelling text preprocessing dan menggunakan metode ekstraksi fitur TF-IDF yang menghasilkan fitur untuk proses training dari model klasifikasi. Kemudian beberapa skenario diterapkan pada hyperparameter tuning yang dimiliki random forest seperti criterion Mtry dan Ntree. Hasil penelitian mengungkapkan bahwa metode yang diusulkan dapat memberikan hasil confusion matrix yang bervariasi dari masing ndash masing skenario eksperimen. Selain itu hasil menunjukkan bahwa Information Gain dengan nilai Mtry terendah yaitu 37 memperoleh hasil terbaik mengungguli semua nilai parameter lainnya dengan nilai akurasi 64.09% presisi 68.47% Recall 69.99% dan f1-score 67.68% sedangkan penggunaan Ntree tidak memberikan perbedaan hasil yang signifikan.

Informasi Detail

DDC

Rs 005.1 ADM a

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2021.

Deskripsi Fisik

xiii, 48 lembar : il. ; 30 cm.

Bahasa

Indonesia

No Reg

00578/KI/22

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2021

Subjek

1. ALGORITMA KOMPUTER
2. RANDOM FOREST
3. ISLAMOFOBIA - KLASIFIKASI
4. COMPUTER ALGORITHM

Pembimbing

1. Aji Prasetya Wibawa ; 2. Fachrul Kurniawan

Lampiran Berkas