Berikut adalah silabus 20× sesi @1,5 jam untuk topik “Klasifikasi Sentimen Ulasan Produk E-Commerce Menggunakan WEKA (Naïve Bayes vs Random Forest)”
Tujuan Akhir
Peserta mampu:
-
Mengimpor dan memproses dataset ulasan produk e-commerce.
-
Menerapkan Naïve Bayes dan Random Forest di WEKA.
-
Membandingkan performa kedua algoritma dengan berbagai metrik evaluasi.
-
Menyajikan hasil dalam bentuk laporan ilmiah.
Silabus 20 Sesi (Total 30 Jam)
Modul 1 — Dasar WEKA & Dataset Sentimen
Sesi 1. Pengenalan WEKA dan Lingkup Proyek
-
Materi: Konsep machine learning , antarmuka WEKA (Explorer, Experimenter).
-
Praktik: Instalasi WEKA, eksplorasi dataset bawaan (mis. iris.arff ).
Sesi 2. Pengenalan Analisis Sentimen E-Commerce
-
Materi: Konsep sentiment analysis , studi kasus e-commerce Indonesia.
-
Praktik: Mengumpulkan dataset contoh (Kaggle/Tokopedia/Shopee).
Sesi 3. Format Data & ARFF
-
Materi: Struktur .arff , konversi CSV ke ARFF.
-
Praktik: Import dataset ulasan produk, cek tipe atribut (string/nominal).
Sesi 4. Preprocessing Teks
-
Materi: Text Cleaning (lowercase, stopwords, stemming, tokenizing).
-
Praktik: Gunakan StringToWordVector di WEKA dengan TF-IDF.
Modul 2 — Dasar Algoritma Naïve Bayes & Random Forest
Sesi 5. Teori Naïve Bayes
-
Materi: Prinsip probabilistik, asumsi independensi fitur.
-
Praktik: Latih Naïve Bayes di WEKA, lihat Confusion Matrix .
Sesi 6. Teori Random Forest
-
Materi: Konsep ensemble, bagging, parameter utama ( numTrees , maxDepth ).



