Perbandingan Word2vec dengan Glove dalam Klasifikasi Multi-aspect Sentiment Analysis Terhadap Produk Nvidia RTX dengan Naive Bayes Classifier

WIRA ABNER SIGALINGGING

Informasi Umum

Kode

23.04.2544

Klasifikasi

006.35 - Natural Language Processing, Computer Science

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Natural Language Processing, Machine - Learning,

Dilihat

217 kali

Informasi Lainnya

Abstraksi

<p>Meningkatnya jumlah gamer menjadikan permintaan terhadap produk Graphics Processing Unit (GPU) seperti Nvidia RTX meningkat dengan pesat. Banyak pengguna menyampaikan ulasan atau tanggapan mereka pada media sosial Twitter dalam bentuk tweet. Tweet tersebut dapat dianalisis untuk menentukan kualitas dari suatu produk. Namun sebagian besar tweet membicarakan produk tersebut secara keseluruhan dengan mengabaikan aspek kategori dari produk, sehingga menyulitkan baik pengguna dan perusahaan untuk menentukan aspek yang membutuhkan perhatian. Dalam penelitian ini, dilakukan sentiment analysis berbasis multi-aspect terhadap tweet pada produk Nvidia RTX berdasarkan 3 aspek dari produk tersebut, yaitu: performansi, harga dan ketersediaan. Metode klasifikasi yang digunakan adalah varian dari Naive Bayes Classifier yang selanjutnya dilakukan perbandingan dengan ekstraksi fitur Word2Vec dan GloVe. Dalam penelitian ini, terdapat dua skenario yang dilakukan, skenario dengan menggunakan ekstraksi fitur GloVe memberikan hasil terbaik dibandingkan skenario lain dengan akurasi 60,71% pada aspek harga dan menggunakan varian Gaussian Naive Bayes.</p>

<p>Kata kunci : naive bayes classifier, Word2Vec, GloVe, confusion matrix, multi-aspect sentiment analysis</p>