Sentimen analisis dengan ekpansi kueri menggunakan YAKE dan FastText

Hendrasto, Gaudhiwaa and Mukhammad, Izzati (2023) Sentimen analisis dengan ekpansi kueri menggunakan YAKE dan FastText. Project Report. [s.n.], [s.l.]. (Unpublished)

Text 5025201066_5025201075-Report_Project.pdf - Accepted Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mendalami penggunaan metode ekspansi kueri dengan menggunakan Yake dan FastText pada dataset Twitter dalam meningkatkan analisis sentimen. Ekstraksi kata kunci dilakukan menggunakan Yake, algoritma yang dapat mengekstraksi kata kunci dari sebuah teks. Adapun FastText digunakan dalam memperluas kata kunci dan memperkaya representasi teks yang telah diekstraksi. Berbagai skenario praproses, skenario pengujian dan penggunaan kamus Indonesia Sentiment Lexicon (InSet) diimplementasikan untuk membandingkan metode mana yang dapat meningkatkan kualitas hasil analisis sentimen. Pada kasus ini prediksi sentimen dilakukan terhadap dua jenis dataset, dataset single-context imbalance dan dataset multi-context balance.Dengan mempertimbangkan F-1 Score didapatkan bahwa pendekatan menggunakan Yake dan FastText dengan penambahan kamus InSet memiliki akurasi yang lebih baik dibandingkan penggunaan ekstraksi kueri menggunakan Yake dan atau ekspansi kueri menggunakan FastText saja. Pada penggunaan Yake dan atau FastText saja didapatkan skenario terbaik pada dataset single-context imbalance dan dataset multi-context balance berturut-turut adalah 0,44 dan 0,43. Sedangkan pada penambahan kamus InSet, didapatkan skenario terbaik pada dataset single-context imbalance dan dataset multi-context balance berturut-turut adalah 0,47 dan 0,45.

Item Type:	Monograph (Project Report)
Uncontrolled Keywords:	FastText, Query Expansion, Sentiment Analysis, Yet Another Keyword Extractor
Subjects:	Q Science Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Gaudhiwaa Hendrasto
Date Deposited:	03 Jul 2024 06:48
Last Modified:	03 Jul 2024 06:48
URI:	http://repository.its.ac.id/id/eprint/108114

Actions (login required)

View Item