ANALISIS SENTIMEN PADA REVIEW PRODUK SKINCARE MENGGUNAKAN WORD EMBEDDING DAN METODE LONG SHORTTERM MEMORY (LSTM)

Purnasiwi, Rona Guines (2023) ANALISIS SENTIMEN PADA REVIEW PRODUK SKINCARE MENGGUNAKAN WORD EMBEDDING DAN METODE LONG SHORTTERM MEMORY (LSTM). S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 20.55.1425 Rona Guines Purnasiwi.pdf Download (3MB)

Abstract

Female daily network merupakan salah satu platform kecantikan yang memiliki beberapa layanan kecantikan seperti layanan kategori skincare. Selain itu, platform ini juga terdapat beberapa fitur seperti review, blog dan forum. Pada fitur review terdapat informasi pengalaman pengguna dan rating dari suatu produk yang telah digunakan sebelumnya, seperti pembersih wajah, pelembap tabir surya, serum, toner, facial mask dan lain sebagainya. Dalam memilih sebuah produk, fitur review ini sangatlah bermanfaat bagi konsumen yang akan menggunakan produk tersebut. Hal ini penting untuk mengetahui keputusan yang diambil tidak mendapat tanggapan atau pengalaman negatif dari konsumen sebelumnya, maka dari itu diperlukan analisis sentimen guna mengetahui persepsi pengalaman konsumen terhadap produk skincare tersebut. Penelitian ini akan melakukan analisis sentimen review produk skincare female daily menggunakan LSTM dengan menggunakan word embedding Word2Vec. Pada penelitian sebelumnya, metode LSTM mampu menghasilkan akurasi yang lebih baik dibandingkan dengan metode lainnya. Penggunaan Word2Vec dalam penelitian ini dikarenakan Word2Vec mampu merepresentasi makna yang lebih baik dari keterbatasan informasi pada teks pendek yang didapat. Selain itu, sebagai pembanding, penelitian akan menguji keakuratan pada dataset yang sama menggunakan LSTM tanpa menggunakan word embedding Word2Vec. Berdasarkan proses implementasi dan pembahasan yang telah dilakukan diatas, dapat disimpulkan bahwa hasil pengujian yang telah dilakukan dengan menggunakan confusion matrix didapatkan nilai akurasi dari metode algoritma LSTM menggunakan word2vec dengan data training sebesar 90% dan testing sebesar 10% didapatkan nilai akurasi sebesar 75%, pada model LSTM dengan data training sebesar 80% dan testing sebesar 20% didapatkan nilai akurasi sebesar 72% dan pada pada model LSTM dengan data training sebesar 70% dan testing sebesar 30% didapatkan nilai akurasi sebesar 71%.

Actions (login required)

View Item