ASPECT BASED SENTIMENT ANALYSIS DATA KUESIONER DI RUMAH SAKIT MUHAMMADIYAH LAMONGAN MENGGUNAKAN ALGORITMA K-NN.

Mustain Mustain Mustain

Sari


Kesulitan untuk mengorganisir data kuesioner yang bersifat konvensional melatarbelakangi penelitian ini. Oleh karena itu dibuat sistem yang memudahkan pengelompokan data kuesioner secara otomatis yang lengkap dengan sentimen yang terkandung didalamnya. Dataset yang digunakan dalam penelitian ini adalah data kuesioner rumah sakit Muhammadiyah lamongan. Penelitian ini hanya menangani kuesioner yang berbentuk teks. Data dengan fisik kertas direkap kemudian diinput ke database lengkap dengan kategori unit kerja dan sentiment. Selanjutnya dataset tersebut di dilakukan pre-prosesing yang meliputi penanganan negasi case folding, tokenizing, filtering dan stemming. Sebagai data uji komentar dari kuesioner akan dilakukan pre-prosesing selanjutnya dihitung tingkat kemiripan document dengan menggunakan metode K- Nearest Neighbor dan Vector Space Model. Jumlah data yang ditangani mempengaruhi performa system terutama dari akurasi dan kecepatan pada saat proses klasifikasi. Hasil dari sistem yang dibuat berupa ranking dokumen yang paling mirip dengan dataset berdasarkan urutan nilai cosine similarity. Ujicoba klasifikasi berdasarkan kelas kategori menghasilkan nilai akurasi 91 %. Ujicoba berdasarkan Kelas Sentimen sebesar 94 %.dari kombinasi keduanya system berhasil mendapat akurasi sebesar 86 %

Teks Lengkap:

PDF

Referensi


Admin.2017.“Algoritma K-Nearest Neighbor (K-NN)” informatikalogi.com.https://informatikalogi.com/algoritma-k-nn-k-nearest-neighbor) dia akses 03 Juli 2017.

Ilyantanto.2011. Stemming Bahasa Indonesia dengan Algoritma Nazief dan Andriani”.28-juni2011. (https://liyantanto.wordpress.com/2011/06/28/stemming-bahasa-indonesia-dengan-algoritma-nazief-dan-andriani). Diakses 03 juli 2017.

Li Baoli, Yu Shiwen, and Lu Qin, An Improved k-Nearest Neighbor Algorithm for Text Categorization, Department of Computer Science and Technology

Peking University, Beijing, P.R. China, 100871, 2003.

Lu Qin, An Improved k-Nearest Neighbor Algorithm for Text Categorization, Department of Computer Science and Technology. Peking University, Beijing, P.R. China, 100871, 2003.

Mohammad Rezwanul Huq, Ahmad Ali, Anika Rahman. 2017. "Sentiment Analysis on Twitter Data using KNN and SVM". Vol. 8, No. 6, 2017. (IJACSA) International Journal of Advanced Computer Science and Applications.Dhaka, Bangladesh.

Mesariya.P, Madia.N, Kumar.A. 2016. “Document Ranking using Customizes Vector Method – A Review”, International Journal of Computer Science and Mobile Computing (IJCSMC). pg. 287-290, Vol.5 Issue.3

Taeho Jo. 2017. "Using K Nearest Neighbors for Text Segmentation with Feature Similarity". Department of Computer and Information Communication Engineering . Hongik University.




DOI: https://doi.org/10.30736/jti.v6i2.677