Sentimen Analisis Level Aspek pada Ulasan Produk Kecantikan Menggunakan Chi Square dan Naïve Bayes
Total View This Week0
Total View This Week0
Institusion
Universitas Telkom
Author
FELIA NOVITASARI
Subject
DATA MINING
Datestamp
2021-11-02 00:00:00
Abstract :
Banyaknya platform yang dilengkapi dengan fitur ulasan membuat orang dengan mudah dalam menyampaikan apapun. Ulasan produk merupakan penilaian yang bersifat opini dari konsumen tentang produk yang telah dibelinya. Ulasan ini dapat memberikan manfaat baik untuk produsen maupun konsumen. Ulasan dari konsumen dapat mengandung penilaian yang mencakup aspek dari produk dan ulasan dapat mencapai ratusan bahkan ribuan. Banyaknya ulasan mengakibatkan sulitnya dalam proses analisis sentimen. Maka dari itu diperlukannya sebuah model yang dapat menganalisis sentimen berdasarkan pada aspek dari produk tersebut. Analisis sentimen dilakukan dengan menggunakan algoritma naïve bayes, ekstraksi fitur dengan TF-IDF, serta seleksi fitur dengan chi square. Penerapan proses stopwords removal atau stemming pada preprocessing serta penggunaan n-gram pada ekstraksi fitur dapat mempengaruhi performansi yang dihasilkan. Selain itu, penerapan seleksi fitur pada model yang dibangun memiliki peranan penting karena dapat meningkatkan performansi klasifikasi. Dari hasil penelitian didapatkan akurasi terbaik sebesar 80,18%, recall sebesar 72,49%, presisi sebesar 77,25% dan f1-score sebesar 74,73%. Kata kunci : analisis sentimen, TF-IDF, n-gram, chi square, naive bayes.
Banyaknya platform yang dilengkapi dengan fitur ulasan membuat orang dengan mudah dalam menyampaikan apapun. Ulasan produk merupakan penilaian yang bersifat opini dari konsumen tentang produk yang telah dibelinya. Ulasan ini dapat memberikan manfaat baik untuk produsen maupun konsumen. Ulasan dari konsumen dapat mengandung penilaian yang mencakup aspek dari produk dan ulasan dapat mencapai ratusan bahkan ribuan. Banyaknya ulasan mengakibatkan sulitnya dalam proses analisis sentimen. Maka dari itu diperlukannya sebuah model yang dapat menganalisis sentimen berdasarkan pada aspek dari produk tersebut. Analisis sentimen dilakukan dengan menggunakan algoritma naïve bayes, ekstraksi fitur dengan TF-IDF, serta seleksi fitur dengan chi square. Penerapan proses stopwords removal atau stemming pada preprocessing serta penggunaan n-gram pada ekstraksi fitur dapat mempengaruhi performansi yang dihasilkan. Selain itu, penerapan seleksi fitur pada model yang dibangun memiliki peranan penting karena dapat meningkatkan performansi klasifikasi. Dari hasil penelitian didapatkan akurasi terbaik sebesar 80,18%, recall sebesar 72,49%, presisi sebesar 77,25% dan f1-score sebesar 74,73%. Kata kunci : analisis sentimen, TF-IDF, n-gram, chi square, naive bayes.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
