Analisis Sentimen level Aspek pada Produk Perawatan Kulit dari Ulasan Female Daily berbahasa Indonesia menggunakan Word2Vec dan SVM
Total View This Week0
Total View This Week0
Institusion
Universitas Telkom
Author
AANISAH RIFDA RUSJDY
Subject
INFORMATICS
Datestamp
2021-07-23 00:00:00
Abstract :
Pada tahun 2019, Kementerian Perindustrian menargetkan industri kecantikan dan perawatan kulit meningkat sebesar 9%. Hal ini di picu oleh meningkatnya tren kebutuhan dan minat masyarakat terhadap produk kecantikan dan perawatan kulit. Female daily merupakan situs pemberi informasi dengan menyediakan ulasan produk. Menurut data Bright Local dalam Local Consumer Review Survey 2019, 82% responden akan menunda transaksi bila terdapat ulasan negatif dan 84% responden mempercayai ulasan ? ulasan yang diberikan. Oleh karena itu, diperlukan penelitian untuk mempermudah pelanggan membaca ulasan untuk mempertimbangkan produk yang akan digunakan dengan aspek yang diperlukan seperti analisis sentimen pada level aspek. Dalam penelitian ini, permasalahan diselesaikan menggunakan analisis sentimen dengan ekstraksi fitur Word2vec dan metode Support Vector Machine. Model terbaik pada penelitian ini menghasilkan nilai f1-score sebesar 69.46%.
Pada tahun 2019, Kementerian Perindustrian menargetkan industri kecantikan dan perawatan kulit meningkat sebesar 9%. Hal ini di picu oleh meningkatnya tren kebutuhan dan minat masyarakat terhadap produk kecantikan dan perawatan kulit. Female daily merupakan situs pemberi informasi dengan menyediakan ulasan produk. Menurut data Bright Local dalam Local Consumer Review Survey 2019, 82% responden akan menunda transaksi bila terdapat ulasan negatif dan 84% responden mempercayai ulasan ? ulasan yang diberikan. Oleh karena itu, diperlukan penelitian untuk mempermudah pelanggan membaca ulasan untuk mempertimbangkan produk yang akan digunakan dengan aspek yang diperlukan seperti analisis sentimen pada level aspek. Dalam penelitian ini, permasalahan diselesaikan menggunakan analisis sentimen dengan ekstraksi fitur Word2vec dan metode Support Vector Machine. Model terbaik pada penelitian ini menghasilkan nilai f1-score sebesar 69.46%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
