Klasifikasi kualitas ulasan produk berdasarkan semantic dan structural features menggunakan support vector machine

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Firdaus, Ilham Akhyar (2022) Klasifikasi kualitas ulasan produk berdasarkan semantic dan structural features menggunakan support vector machine. Undergraduate thesis, UIN Sunan Ampel Surabaya.

Text Ilham Akhyar Firdaus_H06218013.pdf Download (2MB)

Abstract

Ulasan produk merupakan opini tertulis yang disampaikan oleh konsumen dalam menilai suatu produk. Adanya ulasan produk menjadi penting dikarenakan dapat membantu konsumen dalam membuat keputusan pada pembelian produk yang lebih baik. Namun ulasan produk dapat menjadi tidak penting apabila kualitas informasi dari ulasan tersebut tidak bermanfaat. Hal tersebut dapat diminimalisir apabila dilakukan klasifikasi untuk mengetahui ulasan mana yang bermanfaat atau tidak bermanfaat. Agar hal tersebut dapat tercapai, maka pada penelitian ini diterapkan model support vector machine (SVM) berbasiskan pada pengenalan pola menggunakan semantic dan structural features untuk dapat melakukan klasifikasi pada teks ulasan berdasarkan karakteristiknya. Hasil akhir menunjukan bahwa model SVM pada semantic feature memiliki nilai f-measure tertinggi sebesar 0.825. Sedangkan pada structural feature nilai f-measure tertinggi adalah sebesar 0.823. Dari hal tersebut dapat disimpulkan bahwa semantic feature dapat digunakan untuk mengidentifikasi karakteristik dari teks ulasan yang bermanfaat atau tidak bermanfaat dengan baik.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type:	Thesis (Undergraduate)
Creators:	Creators Email NIM Firdaus, Ilham Akhyar ilhamakhyar202@gmail.com H06218013
Contributors:	Contribution Name Email NIDN Thesis advisor Rolliawati, Dwi dwi-roll@uinsby.ac.id 2027097901 Thesis advisor Kunaefi, Anang akunaefi@uinsby.ac.id 2013117902
Subjects:	Teknologi
Keywords:	Ulasan Produk; Klasifikasi Teks; Support Vector Machine; Semantic Feature; Structural Feature
Divisions:	Fakultas Sains dan Teknologi > Studi Sistem Informasi
Depositing User:	Ilham Akhyar Firdaus
Date Deposited:	22 Nov 2022 15:53
Last Modified:	22 Nov 2022 15:53
URI:	http://digilib.uinsa.ac.id/id/eprint/56227

Actions (login required)

View Item