Analisis Sentimen Berbasis Fitur pada Ulasan Online dengan Metode Semi-supervised Support Vector Machines (S3VMs)

Jessie Andika Setiady

Informasi Umum

Kode

113108042

Klasifikasi

003.3 - Computer science- system- computer modeling and simulation

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Science

Dilihat

316 kali

Informasi Lainnya

Abstraksi

Situs online review menyediakan fasilitas agar pengguna internet dapat memberikan ulasan mengenai suatu aspek. Sentimen yang terdapat pada kumpulan ulasan mengenai suatu produk bermanfaat dan memiliki pengaruh dalam pengambilan keputusan seseorang atau organisasi. Adapun dalam suatu opini, reviewer dapat memberikan ulasan positif dan negatif sekaligus. Hal ini disebabkan, target opini sering kali bukan merupakan produk secara keseluruhan, melainkan bagian produk yang disebut dengan fitur, dimana terdapat kelebihan dan kekurangan menurut pandangan reviewer.<br><br>Pada tugas akhir ini, dilakukan penelitian agar sentiment dari suatu opini produk telepon genggam berdasarkan fitur produknya. Data opini yang digunakan pada tugas akhir ini berbahasa Inggris yang diambil dari situs www.cnet.com. Dengan demikian, terdapat dua proses yang dilakukan pada tugas akhir ini : (1) Ekstraksi fitur produk pada opini, (2) Identifikasi sentimen untuk setiap fitur produk. Ekstraksi fitur dilakukan dengan mencari frasa yang sesuai dengan dependencies relation template. Kemudian dilakukan feature filtering. Pada identifikasi sentimen, nilai probabilitas positif, negatif, serta label kelas target dari preparation data, menjadi parameter input classifier S3VMs. Pada penelitian dengan S3VMs, beberapa data diperlakukan sebagai unlabeled data. Dari penelitian ini diperoleh hasil evaluasi untuk identifikasi sentiment dengan F1-Measure untuk kelas positif sebesar 86% dan 70% untuk kelas negatif. Adapun untuk identifikasi fitur diperoleh akurasi 82%. ulasan, sentimen, fitur produk, S3VMs, feature-based opinion