Dalam perkembangan internet pada saat ini, banyak orang yang
memanfaatkannya dengan membuat sebuah tampilan website online berisi
informasi yang dibutuhkan oleh para konsumen. Salah satu diantaranya
adalah website yang berisi tentang konten-konten belanja secara
online. Selain memudahkan dalam berbelanja, pada website belanja
online juga sering ditemukan fitur review product atau tanggapan
dari barang yang dijual pada website belanja online tersebut.
Tanggapan mengenai sebuah barang pada satu website online sering
dijadikan sebagian acuan terhadap sebuah kualitas barang. Banyaknya
tanggapan terhadap sebuah barang dalam satu website online, menjadikan
kesulitan tersendiri untuk menyimpulkan hasil dari tanggapan barang
tersebut. Maka dari itu untuk mempermudah dalam menyimpulkan hasil
tanggapan dari sebuah barang, perlu dibuat sebuah sistem peringkasan
untuk menganalisa hasil tanggapan dari konsumen dalam suatu website
belanja online.
Sistem peringkasan ini dilakukan menggunakan metode CRF (Conditional
Random Fields) untuk ekstraksi aspeknya dan K-NN untuk klasifikasinya.
Parameter yang dibutuhkan pada sistem ini adalah persentase data
training, penggunaan lemmatization pada preprocessing, nilai standar
deviasi pada ekstraksi aspek, nilai learning rate pada ekstraksi
aspek, threshold pada ekstraksi opini, dan nilai k pada klasifikasi.
Penelitian ini dilakukan untuk mencari nilai efektif parameter inputan.
Hasil yang didapatkan dari penelitian ini adalah nilai efektif
presentase data training adalah 70%, digunakannya tahap lemmatization
pada preprocessing, nilai efektif standar deviasi adalah 1.75, nilai
efektif learning rate adalah 0.01, nilai efektif threshold adalah 0.5
dan nilai efektif k adalah >7.
Kata kunci: Summarization,CRF, K-NN