Optimasi Feature Selection Text Mining: Stemming dan Stopword untuk Sentimen Analisis Aplikasi SatuSehat

Abstract

Aplikasi SatuSehat merupakan hasil pengembangan dan transformasi dari Peduli Lindungi yang dilakukan oleh KEMENKES (kementerian kesehatan) dengan tujuan untuk mencatat data kesehatan masyarakat. Dengan berubahnya aplikasi Peduli Lindungi menjadi SatuSehat, beragam ulasan di layangkan oleh pengguna aplikasi ini di PlayStore. Penelitian ini dilakukan untuk membandingkan dan mengoptimasikan Feature Selection pada Text Mining untuk mendapatkan hasil yang paling optimal dari kedua fitur tersebut. 2000 data set didapatkan dengan metode Scrapping pada ulasan PlayStore. Lalu data tersebut diterapkan metode SMOTE dan Pre-Processing dengan Feature Selection, Stemming dan Stopword sehingga kedua fitur dapat dibandingkan dan dicari hasil yang optimal. Hasil penelitian ini maka bisa diperoleh hasil saat menggunakan Feature Selection steaming hasilnya  akurasinya mendapatkan 93,43% dan presisi mendapatkan 88,42% sedangkan saat menggunakan feature selection stopword hasil yang didapatkan adalah nilai akurasinya mendapatkan 89,19% dan presisi mendapatkan 82,23%, dan jika menggunkan stopword dan stemming dilakukan secara bersamaan maka hasilnya nilai akurasinya mendapatkan 92,56% dan presisi mendapatkan 95,46%. Dan hasil teroptimal diperoleh paling optimal saat menggunakan stemming dan stopword digunakan secara bersamaan.