Yusron, Moh. Iqbal (2019) Peringkasan Review Konsumen Restoran Menggunakan Weighted Frequent Itemset Mining. Sarjana thesis, Universitas Brawijaya.
Abstract
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
English Abstract
Review written by customer toward a restaurant can be useful for prospective customer or owner of the restaurant to knows the others opinion about the restaurant. However, this can cause a problem if customer review comes in large number. Automatic text summarization system can be a good solution to this problem. One of the best known method for automatic text summarization is TFIDF weighting. Yet, this method also has a weakness for having tendency to extract long sentences as summary which has high score for contaning many words. In this research, writer propose an approach to use automatic text summarization which not only extract sentences based on its weight but also the ones which covered some words. This is because in the sentences which considered as summary, exist some words which appear together frequently (frequent itemset). Therefore, in this research Weighted Frequent Itemset method is used to summarize customer review for restaurant. This method summarize text by extracting sentences which covered many frequent itemsets and has high sentence relevance score. The result from the test shows that summarization using Weighted Frequent Itemset Mining method archieve average F-measure 0.279, while summarization using TF-IDF weighting archieve 0.239.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/87/051902257 |
| Uncontrolled Keywords: | review konsumen, peringkasan teks, frequent itemset, pembobotan TF-IDF, customer review, text summarization, frequent itemset, TF-IDF weighting |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning > 006.312 Data mining |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Nur Cholis |
| Date Deposited: | 24 Aug 2020 06:45 |
| Last Modified: | 24 Oct 2021 03:39 |
| URI: | http://repository.ub.ac.id/id/eprint/169217 |
Preview |
Text
Moh. Iqbal Yusron (2).pdf Download (6MB) | Preview |
Actions (login required)
 |
View Item |