ANALISIS SENTIMEN DENGAN PENDEKATAN ENSEMBLE LEARNING DAN WORD EMBEDDING PADA TWITTER

Abstract

Twitter merupakan media sosial yang sering digunakan dimana mencapai 284 juta pengguna aktif dan setiap harinya lebih dari 500 juta tweet per hari. Hari ini menjadikan peluang emas bagi perusahaan dan individu untuk meningkatkan relasi sosial, politik, dan ekonomi yang kuat demi meningkatkan reputasi. Pada kumpulan tweet tersebut memuat opini yang berasal dari berbagai pengguna. Hal ini sangat potensial bagi perusahaan untuk menggali dan mendapatkan informasi mengenai jenis tweet ini. Selanjutnya, ekstrasi data yang disusun dalam bentuk Bag Of Word ini terdapat kekurangan. Fitur yang dihasilkan cukup banyak sehingga berpengaruh dalam waktu proses untuk pelatihan data. Metode Word2Vec memiliki keunggulan dalam menangkap hubungan sintaksis dan semantik antar kata.  Pada penelitian ini berusaha untuk meningkatkan akurasi yang dicapai dengan penggunaan word embedding sebagai representasi teks dan ensemble learning dari pengklasifikasi yang digunakan. Hasil penelitian ini mampu menunjukkan tngkat akurasi yang lebih tinggi dalam penggunaan algoritma Adaboost dan Word2Vec. Kata Kunci : Ensemble Learning, Sentiment Analysis, Word Embedding, Twitter.