Prediksi Rating Otomatis Pada Review Produk Dengan Metode Contextual Valence Shifters, K-Nearest Neighbor (K-Nn), dan Regresi Linear
| Main Author: | Satria, Ahmad Galang |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/173983/1/Ahmad%20Galang%20Satria.pdf http://repository.ub.ac.id/173983/ |
Daftar Isi:
- Penggunaan media komunikasi yang semakin berkembang membuat informasi mudah untuk didapatkan termasuk informasi pada produk-produk yang disediakan di toko-toko online. Fitur rating pada website merupakan cara untuk melihat kualitas dari produk yang akan dibeli agar tidak salah pilih dalam pembelian produk yang dapat berakibat buruk. Melimpahnya data tentang ulasan produk dalam berbagai sumber online berguna sebagai bahan kajian bagi pihak produsen dalam memperbaiki kualitas produk. Adanya data ulasan yang ditemukan tanpa disertai dengan rating membuat produsen mengalami kesulitan untuk menentukan ulasan kedalam sentiment tertentu. Pada penelitian ini dapat mempercepat penentuan ulasan kedalam sentiment yang berbentuk rating. Penelitian ini menggunakan metode regresi linear dan k-nearest neighbor sebagai metode prediksi serta metode pembobotan contextual valence shifter berdasarkan kamus lexicon setelah pre-processing. Penggunaan n-gram meliputi unigram, bigram dan trigram yang bertujuan meningkatkan hasil akurasi sistem. Didapatkan presentase terbesar pada toleransi 1 dengan hasil yang diperoleh trigram lebih besar dari pada bigram maupun unigram dengan metode regresi linear yaitu akurasi 77% sedangkan k-NN mendapatkan akurasi sebesar 75% pada nilai k=20 dan k=30. Hasil pengujian menunjukkan, penggunaan n-gram khususnya bigram dan trigram berdampak positif pada hasil akurasi sistem.