@thesis{thesis,
		author={Febriani  Fitriah},
		title ={Analisis Sentimen Berdasarkan Kalimat Berbahasa Indonesia pada Kolom Komentar Instagram Menggunakan Algoritma HARN},
		year={2017},
		url={http://repository.bakrie.ac.id/1178/},
		abstract={Instagram telah menyita perhatian orang-orang untuk membagikan foto, komentar, dan opini terhadap suatu produk atau acara. Pada saat ini, banyak perusahaan yang menggunakan Instagram sebagai platform digital untuk mengumpulkan informasi tentang produk yang mereka tawarkan dan berikan secara online sehingga pembelajaran tentang analisis sentimen telah menarik para peneliti untuk mengembangkan beberapa metodologi terhadap hal tersebut. Terdapat dua cara melakukan analisis sentimen yaitu dengan machine learning dan lexicon (kamus). Algoritma HARN diklasifikasikan ke dalam analisis sentimen berbasis lexicon dengan memanfaatkan Noun-Verb (NV) Dictionary. Polaritas suatu kalimat, ditentukan berdasarkan skor yang diberikan pada kata kerja dan kata sifat yang ada pada NV Dictionary. Implementasi algoritma HARN dapat dilakukan dengan tahapan yaitu Part-of-Speech (POS) tagging, menentukan polaritas menggunakan NV Dictionary jika terdapat kata benda pada suatu kalimat, dan menentukan polaritas menggunakan SentiWordNet jika tidak ada kata benda pada suatu kalimat atau kata benda pada kalimat tersebut tidak ada pada NV Dictionary. Penggunaan SentiWordNet pada algoritma HARN dapat diganti dengan metode lain, sehingga pada penelitian ini dilakukan uji coba dengan mengganti Penelitian ini berfokus pada pengimplementasian algoritma HARN dan mengevaluasi performa yang dihasilkan. Data yang diuji merupakan komentar Instagram sebanyak 300 data (150 komentar positif dan 150 komentar negatif). Selain mengimplementasikan algoritma HARN, dilakukan juga uji coba dengan mengganti SentiWordNet pada algoritma HARN menjadi VADER, selain itu juga dilakukan modifikasi pada NV Dictionary dengan menambahkan kata keterangan di dalamnya. Setelah mengimplementasikan metode-metode tersebut, dilakukan perbangingan terhadap performa yang dihasilkan. Hasil dari perbandingan tersebut adalah performa terbaik dihasilkan oleh Algoritma HARN yang telah dimodifikasi dengan menambahkan kata keterangan pada NV Dictionary dengan nilai F-measure sebesar 83%. Hal ini membuktikan bahwa algoritma HARN memiliki performa yang bagus dalam melakukan analisis sentimen berbahasa Indonesia.}
		}