Page 88 - E-Skripsi Analisis Sentimen Terhadap Aplikasi Sapawarga Jabar Super Apps Pada Ulasan Google Play Store
P. 88
Hasil pelabelan sentimen menunjukkan jumlah total data sebanyak 1.008
data dengan jumlah sentimen positif sebanyak 629 data, dan jumlah sentimen
negatif sebanyak 379 data dari total 1.710 data awal.
4.5 Pemodelan Data
Tahap ini akan menghasilkan nilai akurasi dengan melakukan pelatihan
pemodelan pada data label positif dan negatif. Berikut tahapan dan script
pemodelan data dengan metode klasifikasi Support Vector Machine (SVM):
a. Mengimpor pustaka “pandas” untuk membaca data, “train_test_split” untuk
memisahkan data menjadi data latih dan data uji, “LabelEncoder” untuk
mengubah label sentimen menjadi nilai numerik, “TfidfVectorizer” untuk
melakukan vektorisasi atau pembobotan data, “SVC” (Support Vector
Classifier) untuk melakukan klasifikasi dengan SVM, dan “accuracy_score”
untuk mengukur nilai akurasi prediksi.
b. Memuat file “pelabelan.csv”, kemudian mengubah kata pada kolom
“sentimen” menjadi angka.
c. Pembagian data latih dan data uji.
74
