Peringkasan Review Konsumen Restoran Menggunakan Weighted Frequent Itemset Mining
| Main Author: | Yusron, Moh. Iqbal |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/169217/1/Moh.%20Iqbal%20Yusron%20%282%29.pdf http://repository.ub.ac.id/169217/ |
Daftar Isi:
- Review yang dilakukan konsumen terhadap restoran dapat bermanfaat bagi para calon konsumen atau para pemilik restoran untuk mengetahui pendapat orang lain mengenai restoran tersebut. Namun hal ini akan menjadi masalah jika jumlah review sangat besar. Sistem peringkasan teks otomatis merupakan suatu solusi yang baik untuk permasalahan ini. Salah satu metode peringkasan teks yang terkenal adalah pembobotan TF-IDF. Namun, metode ini memiliki kelemahan yang mana kalimat ringkasan dipilih cenderung merupakan kalimat panjang yang memiliki skor tinggi karena mengandung banyak kata. Pada penelitian ini penulis mengusulkan suatu pendekatan untuk melakukan peringkasan yang tidak hanya memilih kalimat ringkasan berdasarkan bobotnya tapi juga dengan yang mengandung kumpulan kata tertentu. Hal ini juga dikarenakan biasanya dalam kalimat-kalimat yang dianggap ringkasan, terdapat beberapa kata yang sering muncul bersamaan (frequent itemset). Sehingga pada penelitian ini digunakanlah metode Weighted Frequent Itemset Mining untuk melakukan peringkasan review konsumen restoran. Metode ini melakukan peringkasan dengan memilih kalimat yang mengandung banyak frequent itemset dan nilai relevansi kalimat yang tinggi. Hasil dari pengujian menunjukkan bahwa peringkasan dengan menggunakan metode Weighted Frequent Itemset Mining menghasilkan nilai rata-rata Fmeasure sebesar 0.279, lebih besar dibandingkan metode pembobotan TF-IDF yaitu sebesar 0.239