Nuriza, Alfita (2020) Klasifikasi Review Produk Kecantikan Pada Aplikasi Sociolla Menggunakan Algoritme Modified K-Nearest Neighbor (MKNN) dengan Pembobotan BM25. Sarjana thesis, Universitas Brawijaya.
Abstract
Produk kecantikan telah menjadi salah satu dari sekian banyak hal yang tidak dapat lepas dari kaum wanita karena tuntutan untuk tampil cantik serta menarik. Berbagai produk tersebut menawarkan keunggulan – keunggulan nya, ada banyak produk kecantikan di pasaran, mulai dari perawatan kulit dan kosmetik dari berbagai jenis dan merek. Produk-produk ini memiliki kelebihan, tetapi tidak semua produk memenuhi kebutuhan penggunanya. Hal ini adalah sesuatu yang harus diperhatikan konsumen sebelum membeli. Di sisi lain dengan Jumlah produk kecantikan yang banyak terkait erat dengan pendapat tentang produk tertentu sesuai dengan parameter yang diberikan oleh konsumen seperti kelebihan, kekurangan, kualitas dan parameter lainnya., hal inilah yang digunakan sebagai referensi. Salah satu platform perdagangan elektronik yang menyediakan produk kecantikan adalah Sociolla. Buakan hanya menjual produk kecantikan, pada platform ini juga terdapat ulasan atau review dari konsumen. Dengan membaca semua review tersebut secara lengkap akan menyita banyak waktu, sedangkan jika hanya membaca sedikit, evaluasi yang dihasilkan akan menjadi bias. Untuk mengatasi permasalahan tersebut dilakukan klasifikasi dari review yang ada yang akan diklasifikasikan ke dalam 2 kelas yaitu kelas positif serta negatif. Dalam penelitian ini penulis menggunakan algoritme Modified K-Nearest Neighbor (MK-NN) dengan BM25 sebagai pembobotan. Data yang dipakai sejumlah 500 data yang terbagi menjadi dua yaitu positif dan negatif. Dari hasil evaluasi pengujian dengan 5-fold cross validation dihasilkan rata-rata nilai akurasi, precision, recall, dan f-measure tertinggi sebesar 51,00%, 50,90%, 52,61%, dan 51,70% pada saat nilai k=11.
English Abstract
Beauty products have become one of the many things that cannot be separated from women because of the demands to look beautiful and attractive. These products offer their advantages, there are many beauty products on the market, ranging from skin care and cosmetics from various types and brands. These products have advantages, but not all products meet the needs of its users. This is something that consumers must pay attention to before buying. On the other hand, the number of beauty products that are closely related to opinions about certain products in accordance with the parameters given by consumers such as strengths, weaknesses, quality and other parameters, this is what is used as a reference. One electronic trading platform that provides beauty products is Sociolla. Not only sell beauty products, on this platform there are also reviews from consumers. Reading all these reviews in full will take up a lot of time, whereas if you only read a little, the resulting evaluation will be biased. To overcome these problems the classification of the existing review will be classified into 2 classes, namely positive and negative classes. In this study the authors used the Modified K-Nearest Neighbor (MK-NN) algorithm with BM25 as a weighting. The data used were 500 data which were divided into two, positive and negative. From the evaluation results of the test with 5-fold cross validation, the highest average values of accuracy, precision, recall, and f-measure were 51.00%, 50.90%, 52.61%, and 51.70% at the time k = 11.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0520150046 |
| Uncontrolled Keywords: | klasifikasi, Produk Kecantikan,Text Mining, Modified K-Nearest Neighbor, BM25. Classification, Beauty Product, Text Mining, Modified K-Nearest Neighbor, BM25 |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 27 Feb 2021 04:31 |
| Last Modified: | 11 Jan 2023 02:40 |
| URI: | http://repository.ub.ac.id/id/eprint/183505 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Alfita Nuriza.pdf Restricted to Registered users only until 31 December 2023. Download (3MB) |
Actions (login required)
 |
View Item |