Abstract
Teknik pemodelan fuzzy telah banyak digunakan untuk menyelesaikan berbagai masalah. Analisis sentimen terdiri dari beberapa parameter numerik yang digunakan untuk menentukan nilai linguistik terhadap sebuah sentimen (complaint) yang bersifat positif, negatif maupun netral. Nilai linguisitik untuk membangun aturan (rule) biasanya tergantung pada keahlian dan pengetahuan pakar. Namun disini akan dilakukan pembangunan aturan (rule) secara otomatis dengan menggunakan algoritma Fuzzy Subtractive Clustering. Prosesnya terdiri dari beberapa tahap. Tahap pertama adalah pre-processing, yaitu tokenization, filtering, dan stemming. Tahap kedua dilakukan pembobotan kata dengan menggunakan Term Frequency (TF). Hasil dari pembobotan kemudian menjadi masukan untuk tahap pembangunan aturan, dimana nantinya akan dipilih sejumlah pusat klaster berdasarkan pada nilai batasan varian. Banyaknya pusat klaster yang terpilih menunjukkan banyaknya aturan yang terbentuk. Setelah aturan dibentuk, kemudian tahap terakhir berupa klasifikasi menggunakan Fuzzy Takagi Sugeno Kang orde-1. Hasil klasifikasi terdiri dari dua kelas, yaitu kelas positif dan kelas negatif. Akurasi pengujian yang dihasilkan dari keseluruhan sejumlah data latih (10, 16, 40, 60 dan 90) berada diantara 37.14% - 62.86% dengan rata-rata akurasi didapat sebesar 50.5%. Akurasi rata-rata tertinggi didapat sebesar 52.857% pada jumlah data sebanyak 60 data latih. Akurasi tertinggi didapat pada data kombinasi seimbang sebanyak 16 data latih sebesar 62.86%.
