Articles

Dataset bahasa Indonesia untuk Analisis Sentimen

Updated

Data is Everything and Everything is Data

Pada zaman digital sekarang data menjadi salah satu hal terpenting yang mendorong perkembangan teknologi, terlebih lagi teknologi kecerdasan buatan. Dalam pembangunan sebuah sistem kecerdasan buatan (terutama machine learning), data dalam jumlah besar (dataset) dibutuhkan untuk digunakan pada proses pelatihan sistem tersebut. Sebenarnya sudah banyak dataset yang tersedia dari luar negeri untuk digunakan dalam pelatihan model kecerdasan buatan, namun hal ini sedikit bermasalah pada sistem kecerdasan buatan yang membutuhkan data teks. Pada sistem ini, data teks yang digunakan harus sesuai dengan bahasa sistemnya, contohnya dalam pembuatan sistem kecerdasan buatan berbahasa Indonesia, dibutuhkan pula data teks yang berbahasa Indonesia.

Memperkenalkan Dataset bahasa Indonesia

Pada kesempatan ini, kami menyajikan sebuah dataset teks berbahasa Indonesia yang disesuaikan untuk pembangunan sistem analisis sentimen. Dataset ini dikumpulkan melalui media sosial twitter dan mengandung 10.806 baris data berupa tweet bahasa Indonesia yang dikategorikan kedalam tiga polaritas yaitu positif, negatif, dan netral.

Pengujian Data

Untuk Memastikan bahwa data yang disediakan benar-benar sesuai untuk digunakan dalam proses pelatihan analisis sentimen. Data kami (data primer) akan dibandingkan dengan dataset SemEval-2018 (data sekunder) yang merupakan dataset dari konferensi Semantic Evaluation dari segi akurasi setelah digunakan untuk pelatihan model.

Berdasarkan pengujian yang dilakukan, terlihat bahwa dataset bahasa Indonesia yang disediakan memiliki nilai akurasi yang hampir sama dengan data pembanding dan dengan demikian, disimpulkan bahwa dataset ini sesuai untuk digunakan dalam proses pelatihan analisis sentimen berbahasa Indonesia.

Masa Depan Dataset

Kedepanya, penulis berharap untuk dapat tetap memperbaharui dataset bahasa Indonesia ini  antara lain dengan :

  • Meningkatkan jumlah data pada dataset dengan menambahkan tweet-tweet baru kedalam dataset.
  • Meningkatkan kualitas data pada dataset dengan cara melakukan penyaringan yang lebih intensif dari tweet–tweet yang diambil.
  • Menambahkan kategori emosi yang lebih spesifik pada dataset, misalnya senang, sedih, marah, dan lain-lain.

You may also like

Dasbor Visualisasi Prestasi Mahasiswa DTETI Berbasis Data Tidak Terstruktur

Pentingnya Data

Pada zaman perkembangan digital saat ini hampir seluruh aspek dalam kehidupan manusia selalu berkaitan dengan data, baik data terstruktur maupun tidak terstruktur. Untuk data tidak terstruktur sendiri dibutuhkan pengolahan agar dapat menghasilkan informasi yang bernilai. Dengan meningkatnya kebutuhan informasi, maka diperlukan metode pengolahan data yang optimal untuk menghasilkan informasi bernilai. Melalui BI data mentah mampu diubah menjadi informasi bernilai dengan penyajian yang menarik melalui visualisasi data, sehingga mampu memudahkan proses analisis data guna mendukung pembuatan keputusan maupun strategi suatu organisasi. read more

Ardiansyah Sharing – CloudEx Monthly Meeting – December 2022

Estimasi effort merupakan salah satu aktivitas penting dalam perencanaan sebuah proyek pengembangan perangkat lunak. Use Case Point (UCP) termasuk salah satu kerangka kerja estimasi effort perangkat lunak yang cocok untuk diterapkan pada pengembangan perangkat lunak dengan menggunakan paradigma berorientasi objek. Elemen – elemen di dalam UCP disusun berdasarkan kebutuhan fungsional yang dimodelkan menggunakan diagram use case. Salah satu elemen terpenting adalah pembobotan kompleksitas use case yang berfungsi sebagai salah satu parameter untuk menentukan unadjusted use case point (UUCP). Tetapi dalam proses pembobotannya terdapat kelemahan penggunaan nilai bobot yang tidak proporsional atau abrupt dan bersifat discontinuous. Sehingga digunakanlah pendekatan logika fuzzy untuk perubahan bobot kompleksitas discontinuous menjadi continuous karena lebih leluasa menentukan bobot kompleksitas use case yang tepat, dan diharapkan bisa meningkatkan performa akurasi UCP secara keseluruhan.  read more

Model Penilaian Triangulasi untuk Proyek Capstone dalam Rekayasa Perangkat Lunak

Mengupas Tuntas Pengukuran Penilaian

Proyek capstone didefinisikan sebagai kegiatan kumulatif untuk menutup pengalaman dunia nyata kepada mahasiswa. Proyek capstone diperlukan untuk menunjukkan peluang di industri yang tidak tersedia dalam kurikulum. Ada beberapa tantangan dalam proyek capstone, seperti bagaimana memastikan bahwa proyek capstone memiliki kompleksitas yang cukup hanya dalam satu semester, cara mengukur kemanjuran proyek capstone, dan bagaimana menilai proyek capstone yang terkait dengan hasil mahasiswa .
Penilaian ini berfokus pada model penilaian proyek capstone. Pendekatan saat ini untuk mengukur kinerja mahasiswa dan kualitas proyek adalah melalui kerangka kerja terpadu yang berisi kriteria, indikator, rubrik, dan informasi statistik sumatif . Metode standar untuk menilai model proyek capstone menggunakan rubrik yang diisi oleh dosen , matriks berbasis rubrik dan hasil , penilaian tidak langsung melalui survei kepada mahasiswa dan dengan melihat ke buku catatan proyek capstone . Penelitian ini membahas bagaimana triangulasi antara rubrik, survei, dan buku catatan dapat menjadi alternatif untuk mengukur kualitas proyek capstone kapitasi secara objektif. read more