ANALISIS DAN PERBANDINGAN STOPWORD TERHADAP AKURASI ANALISIS SENTIMEN TEKS DENGAN MENGGUNAKAN TF-IDF STUDI KASUS NLP

Authors

  • Titin Wahyuni
  • Damai Arsila Salsabila a:1:{s:5:"en_US";s:33:"Universitas Muhammadiyah Makassar";}

Abstract

Dalam era digital yang berkembang pesat, jumlah data teks online meningkat signifikan, mencakup ulasan produk, komentar media sosial, dan artikel berita. Analisis sentimen, yang penting untuk memahami opini masyarakat, membutuhkan praproses teks dengan menghapus stopwords tidak signifikan. Penelitian ini mengeksplorasi penggunaan algoritma TF-IDF untuk menghasilkan stopwords kontekstual dan membandingkan pengaruhnya terhadap akurasi model analisis sentimen dengan stopwords standar. Hasil menunjukkan TF-IDF membantu mengidentifikasi kata-kata kurang penting, namun stopwords Sastrawi lebih baik mengenali konteks. Evaluasi dengan rasio pembagian data yang berbeda (90:10, 80:20, 70:30) menunjukkan akurasi tertinggi sebesar 0.789 pada rasio 80:20, meskipun ada ruang untuk peningkatan. Studi ini diharapkan dapat meningkatkan kinerja model analisis sentimen dengan daftar stopwords yang lebih sesuai.

Downloads

Published

2025-08-04 — Updated on 2025-08-04

Versions

How to Cite

[1]
T. Wahyuni and D. A. Salsabila, “ANALISIS DAN PERBANDINGAN STOPWORD TERHADAP AKURASI ANALISIS SENTIMEN TEKS DENGAN MENGGUNAKAN TF-IDF STUDI KASUS NLP”, INSYPRO, vol. 10, no. 1, Aug. 2025.

Issue

Vol. 10 No. 1 (2025)

Section

Vol.10, No.1 (Mei 2025)

License

Copyright (c) 2025 Damai Arsila Salsabila, Fahrim Irhamna Rachman, Titin Wahyuni

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Each article is copyrighted © by its author(s) and is published under license from the author(s).

When a paper is accepted for publication, authors will be requested to agree with the Creative Commons Attribution-Noncommercial-No Derivative Works 4.0 Netherlands License.