Informasi Lainnya
Abstraksi
Perkembangan teknologi informasi memungkinkan masyarakat untuk memberikan <em>review </em>terhadap layanan restoran melalui platform seperti <em>Google Maps</em>. <em>Review </em>tersebut menjadi sumber informasi berharga bagi pemilik restoran untuk meningkatkan kualitas layanan. Namun, volume <em>review </em>yang besar dan tidak terstruktur menyulitkan analisis manual. Penelitian ini bertujuan mengembangkan sistem klasifikasi aspek <em>review </em>restoran di Surabaya berdasarkan tiga kategori utama: makanan, pelayanan, dan tempat, menggunakan metode <em>Support Vector Machine </em>(SVM). Proses dimulai dari pengumpulan 5.000 <em>review </em>dari lima restoran di Surabaya Barat, dilanjutkan dengan preprocessing teks (casefolding, cleansing, terjemahan Bahasa Inggris ke Indonesia, tokenisasi, <em>stopword removal</em>, stemming, dan normalisasi), ekstraksi fitur menggunakan TF-IDF, serta pelatihan model SVM dengan pendekatan <em>Binary Relevance </em>untuk klasifikasi multi-label. Evaluasi dilakukan menggunakan <em>K-Fold Cross Validation </em>dan metrik Hamming Loss, F1- score, serta akurasi. Hasil eksperimen menunjukkan bahwa kernel linear memberikan performa terbaik dengan Hamming Loss rata-rata 0.1882 dan F1-score macro 81,06 %, yang dicapai pada konfigurasi K=10 dan C=1. Sistem ini kemudian diimplementasikan dalam antarmuka web berbasis Flask, memungkinkan pengguna memasukkan <em>review </em>dan menerima prediksi aspek secara real-time. Dengan demikian, penelitian ini memberikan solusi otomatis untuk membantu pemilik restoran memahami dimensi spesifik dari opini pelanggan secara efisien.<br />
<strong>Kata Kunci</strong>: klasifikasi aspek, <em>review </em>restoran, surabaya, support vector machine, tf-idf, evaluasi model<br />
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
