PERBANDINGAN METODE WORD EMBEDDING UNTUK ANALISIS SENTIMEN PADA DATA ULASAN MARKETPLACE

Ferianto, Arfian Yogi (2022) PERBANDINGAN METODE WORD EMBEDDING UNTUK ANALISIS SENTIMEN PADA DATA ULASAN MARKETPLACE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (684kB)
[img] Text (BAB I)
BAB I.pdf
Download (146kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (548kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (178kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (658kB)
[img] Text (BAB V)
BAB V.pdf
Download (40kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (146kB)
[img] Archive (SOURCE CODE)
Source 20.21.1465 ARFIAN YOGI FERIANTO 20.21.1465.zip
Restricted to Repository staff only
Download (1MB)
[img] Text (PUBLIKASI)
Naskah Publikasi 20.21.1465 ARFIAN YOGI FERIANTO 20.21.1465.pdf
Restricted to Repository staff only
Download (652kB)

Abstract

Marketplace merupakan platform untuk jual beli barang secara online, salah satunya yaitu shopee. Platform tersebut menyediakan banyak data teks singkat mengenai ulasan berbagai macam produk yang dijual. Karenanya dilakukan sentimen analisis untuk klasifikasi ulasan dengan memperhatikan faktor pada objek sentimennya. Dalam analisis sentimen, ada sebuah metode yang lebih maju yaitu menggunakan word embedding, representasi kata dalam vektor, banyak peneliti yang telah menggunakan metode ini dalam penelitiannya. Oleh sebab itu penelitian ini menggunakan data ulasan yang diperoleh dari marketplace shopee untuk dilakukan sentimen analisis. Pada penelitian ini data diklasifikasikan menggunakan Long Short Term Memory (LSTM). Ulasan yang diklasifikasi akan memiliki 2 label yaitu positif dan negatif. Penelitian ini bertujuan untuk mengetahui akurasi akhir dan vocabulary yang dihasilkan oleh word embedding yang diklasifikasikan menggunakan LSTM dalam menganalisis sentimen ulasan shopee bahasa Indonesia. Metode word embedding yang digunakan adalah Word2Vec dan Global Vector (Glove). Penelitian ini menggunakan jumlah dataset 10.000 menghasilkan vocabulary sebanyak 18004 kata. Dari dataset dilakukan pembagian data training 80% dan data test 20%. Akurasi yang dihasilkan metode word embedding word2vec yaitu 83% dan metode word embedding Glove mendapatkan hasil akurasi 86%.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Hayaty, Mardhiya
Uncontrolled Keywords: Sentimen Analisis, Word Embedding, Word2Vec, Glove, LSTM.
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 30 Dec 2022 02:41
Last Modified: 29 Jul 2023 04:08
URI: http://eprints.amikom.ac.id/id/eprint/13794

Actions (login required)

View Item View Item