Analisis Sentimen Terhadap Ulasan Pelanggan UB Press Menggunakan Metode Learning Vector Quantization

Diva, Zahra and Dr. Ir. Dian Eka Ratnawati, S.Si., M.Kom and Dr. Eng. Budi Darma Setiawan, S.Kom., M.Cs (2024) Analisis Sentimen Terhadap Ulasan Pelanggan UB Press Menggunakan Metode Learning Vector Quantization. Sarjana thesis, Universitas Brawijaya.

Abstract

Ulasan pelanggan adalah tanggapan yang diberikan oleh pelanggan terhadap suatu barang atau layanan. Memahami ulasan pelanggan merupakan salah satu cara untuk memenuhi kepuasan pelanggan. Namun dalam pemasarannya UB Press mendapatkan banyak ulasan, sehingga dibutuhkan waktu untuk membaca dan memilah ulasan tersebut ke dalam ulasan positif atau negatif. Untuk mengatasi masalah tersebut, maka perlu dilakukan analisis sentimen. Penelitian ini menggunakan metode Learning Vector Quantization serta penggabungan pembobotan kata TF-IDF dan Lexicon-Based Features. Data yang digunakan pada penelitian ini berjumlah 655 data yang terdiri dari data uji dan data latih yang dibagi menjadi lima fold menggunakan Stratified K-Fold Cross Validation. Hasil pada pengujian parameter LVQ didapatkan parameter optimal dengan nilai learning rate 10-1, nilai dec α 10-2, dan nilai maksimum epoch adalah 3. Dengan menggunakan parameter optimal tersebut dan Lexicon-Based Features nilai akurasi yang didapatkan sebesar 91,76%, nilai rata-rata precision sebesar 0,96, nilai rata-rata recall sebesar 0,94, dan nilai rata-rata f-measure sebesar 0,95, sedangkan tanpa Lexicon-Based Features menghasilkan nilai rata-rata akurasi sebesar 82,90%, nilai rata-rata precision sebesar 0,82, nilai rata-rata recall sebesar 1,0, dan nilai rata-rata f-measure sebesar 0,90. Dapat disimpulkan bahwa LexiconBased Features berpengaruh terhadap hasil akurasi sistem.

English Abstract

Customer reviews are responses given by customers to an item or service. Understanding customer reviews is one way to fulfill customer satisfaction. However, in its marketing UB Press gets a lot of reviews, so it takes time to understand and sort the reviews into positive or negative reviews. To overcome this problem, it is necessary to do sentiment analysis. This research uses the Learning Vector Quantization method and the combination of TF-IDF word weighting and Lexicon-Based Features. The data used in this study amounted to 655 data consisting of test data and training data divided into 5 folds using Stratified K-Fold Cross Validation. The results on LVQ parameter testing obtained optimal parameters with a learning rate value of 10-1, dec α value of 10-2, and the maximum epoch value is 3. By using those optimal parameters and Lexicon-Based Features, the accuracy value obtained is 91.76%, the average value of precision is 0,94, the average value of recall is 0,95, and the average value of f-measure is 0,96, while without Lexicon-Based Features, the average accuracy value is 82.90%, the average value of precision is 0,82, the average value of recall is 1,0, and the average value of f-measure is 0,90. It can be concluded that Lexicon-Based Features affects the accuracy of the system.

Item Type: Thesis (Sarjana)
Identification Number: 052415
Uncontrolled Keywords: analisis sentimen, ulasan pelanggan, Lexicon-Based Features, TF-IDF, Learning Vector Quantization, sentiment analysis, customer reviews, Lexicon-Based Features, TF-IDF, Learning Vector Quantization
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Annisti Nurul F
Date Deposited: 12 Feb 2024 04:46
Last Modified: 12 Feb 2024 04:46
URI: http://repository.ub.ac.id/id/eprint/215939
[thumbnail of DALAM MASA EMBARGO] Text (DALAM MASA EMBARGO)
Zahra Diva.pdf
Restricted to Registered users only

Download (6MB)

Actions (login required)

View Item View Item