Cover Image

Implementasi Word Embedding untuk Klasifikasi Sentimen pada User Feedback Menggunakan Random Forest Classifier

Main Author: Gunawan, Yehezkiel
Format: Thesis NonPeerReviewed application/pdf
Bahasa: eng
Terbitan: , 2020
Subjects:
T58.5-58.64 Information technology
Online Access: http://kc.umn.ac.id/14164/1/HALAMAN_AWAL.pdf
http://kc.umn.ac.id/14164/2/DAFTAR_PUSTAKA.pdf
http://kc.umn.ac.id/14164/3/BAB_I.pdf
http://kc.umn.ac.id/14164/4/BAB_II.pdf
http://kc.umn.ac.id/14164/5/BAB_III.pdf
http://kc.umn.ac.id/14164/6/BAB_IV.pdf
http://kc.umn.ac.id/14164/7/BAB_V.pdf
http://kc.umn.ac.id/14164/8/LAMPIRAN.pdf
http://kc.umn.ac.id/14164/
ctrlnum 14164
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://kc.umn.ac.id/14164/</relation><title>Implementasi Word Embedding untuk Klasifikasi Sentimen pada User Feedback Menggunakan Random Forest Classifier</title><creator>Gunawan, Yehezkiel</creator><subject>T58.5-58.64 Information technology</subject><description>User feedback menjadi suatu wadah bagi pengembang piranti lunak untuk mempelajari dan memahami kebutuhan, preferensi, dan keluh kesah pengguna. Penting bagi pengembang untuk mengidentifikasi persoalan muncul dalam feedback yang diberikan pengguna. Seiring dengan pertumbuhan dan perkembangan aplikasi, jumlah user pun semakin meningkat. Membaca dan mengklasifikasi setiap feedback secara manual memakan banyak waktu dan tenaga. Untuk mengatasi masalah tersebut, sistem analisis sentimen menggunakan Random Forest Classifier yang menggunakan word embedding sebagai feature extraction dibuat untuk membantu menentukan apakah suatu feedback memiliki sentimen positif, netral, atau negatif. Algoritma Random Forest dipilih karena performanya yang sangat bagus, meskipun membutuhkan resource yang agak besar. Selain itu, dengan bantuan word embedding, kata-kata yang memiliki kemiripan baik secara semantik maupun sintatik dapat terdeteksi dan diharapkan dapat memberikan performa yang lebih baik dibandingkan metode machine learning tradisional. Dengan bantuan word embedding, tidak lagi diperlukan stemming dan stop word removal agar konteks yang menjadi input dapat terbaca dengan baik. Penelitian ini bertujuan untuk mengimplementasikan word embedding untuk klasifikasi sentimen pada user feedback menggunakan Random Forest Classifier. Hasil implementasi yang paling ideal pada penelitian ini diperoleh ketika menggunakan dataset BYU (200 dimensi) sebagai Embedding Dataset dengan perbandingan train dan test set 80:20, yaitu akurasi sebesar 70.27%, precision sebesar 80%, recall sebesar 54%, dan F1 sebesar 54%.</description><date>2020</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14164/1/HALAMAN_AWAL.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14164/2/DAFTAR_PUSTAKA.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14164/3/BAB_I.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14164/4/BAB_II.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14164/5/BAB_III.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14164/6/BAB_IV.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14164/7/BAB_V.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14164/8/LAMPIRAN.pdf</identifier><identifier> Gunawan, Yehezkiel (2020) Implementasi Word Embedding untuk Klasifikasi Sentimen pada User Feedback Menggunakan Random Forest Classifier. Bachelor Thesis thesis, Universitas Multimedia Nusantara. </identifier><recordID>14164</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
File:application/pdf
File
author Gunawan, Yehezkiel
title Implementasi Word Embedding untuk Klasifikasi Sentimen pada User Feedback Menggunakan Random Forest Classifier
publishDate 2020
topic T58.5-58.64 Information technology
url http://kc.umn.ac.id/14164/1/HALAMAN_AWAL.pdf
http://kc.umn.ac.id/14164/2/DAFTAR_PUSTAKA.pdf
http://kc.umn.ac.id/14164/3/BAB_I.pdf
http://kc.umn.ac.id/14164/4/BAB_II.pdf
http://kc.umn.ac.id/14164/5/BAB_III.pdf
http://kc.umn.ac.id/14164/6/BAB_IV.pdf
http://kc.umn.ac.id/14164/7/BAB_V.pdf
http://kc.umn.ac.id/14164/8/LAMPIRAN.pdf
http://kc.umn.ac.id/14164/
contents User feedback menjadi suatu wadah bagi pengembang piranti lunak untuk mempelajari dan memahami kebutuhan, preferensi, dan keluh kesah pengguna. Penting bagi pengembang untuk mengidentifikasi persoalan muncul dalam feedback yang diberikan pengguna. Seiring dengan pertumbuhan dan perkembangan aplikasi, jumlah user pun semakin meningkat. Membaca dan mengklasifikasi setiap feedback secara manual memakan banyak waktu dan tenaga. Untuk mengatasi masalah tersebut, sistem analisis sentimen menggunakan Random Forest Classifier yang menggunakan word embedding sebagai feature extraction dibuat untuk membantu menentukan apakah suatu feedback memiliki sentimen positif, netral, atau negatif. Algoritma Random Forest dipilih karena performanya yang sangat bagus, meskipun membutuhkan resource yang agak besar. Selain itu, dengan bantuan word embedding, kata-kata yang memiliki kemiripan baik secara semantik maupun sintatik dapat terdeteksi dan diharapkan dapat memberikan performa yang lebih baik dibandingkan metode machine learning tradisional. Dengan bantuan word embedding, tidak lagi diperlukan stemming dan stop word removal agar konteks yang menjadi input dapat terbaca dengan baik. Penelitian ini bertujuan untuk mengimplementasikan word embedding untuk klasifikasi sentimen pada user feedback menggunakan Random Forest Classifier. Hasil implementasi yang paling ideal pada penelitian ini diperoleh ketika menggunakan dataset BYU (200 dimensi) sebagai Embedding Dataset dengan perbandingan train dan test set 80:20, yaitu akurasi sebesar 70.27%, precision sebesar 80%, recall sebesar 54%, dan F1 sebesar 54%.
id IOS6965.14164
institution Universitas Multimedia Nusantara
institution_id 355
institution_type library:university
library
library Perpustakaan Universitas Multimedia Nusantara
library_id 306
collection Knowledge Center UMN
repository_id 6965
subject_area Business/Bisnis
Communication/Komunikasi
Art Apreciation/Apresiasi Seni
Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
city TANGERANG
province BANTEN
shared_to_ipusnas_str 1
repoId IOS6965
first_indexed 2020-12-19T03:51:27Z
last_indexed 2020-12-19T03:51:27Z
recordtype dc
_version_ 1686477463222222848
score 17.538404

Lihat Juga