Rahmanda, Rama (2018) Rancang Bangun Aplikasi Berbasis Microservice Untuk Klasifikasi Sentimen. Studi Kasus: PT. YesBoss Group Indonesia (Kata.AI). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211440000119-Undergraduate_Theses.pdf - Accepted Version Download (10MB) | Preview |
Abstract
Perkembangan AI di Indonesia menyebabkan munculnya peluang bisnis baru bagi perusahaan di Indonesia. Salah satu perusahaan di bidang AI yaitu Kata.ai telah membuat chatbot yang memiliki 1.7 pengguna dan 200 juta pesan selama setahun. Dengan tingkat penggunaan yang tinggi bot dituntut untuk merespon pengguna dengan baik dan cepat, analisa sentimen perlu dilakukan sehingga bot dapat merespon sesuai dengan sentimen pengguna sedangkan pengembangan dengan microservice memudahkan layanan untuk disebar dibeberapa instance sehingga dapat meningkatkan respon dari layanan.
Pada beberapa penelitian sebelumnya telah dibuat banyak model klasifikasi sentimen yang membagi kelasnya menjadi 3 yaitu positif, negatif dan netral. Namun, kelas tersebut masih luas sehingga dibutuhkan pengelompokan ke kelas yang lebih spesifik agar bot dapat merespon dengan lebih baik. Studi ini menghasilkan sebuah aplikasi web service untuk mengklasifikasikan sentimen pengguna ke dalam 9 kelas sentimen.
Perancangan model klasifikasi terbaik dilakukan dengan membuat beberapa skenario pelatihan dengan parameter dan algoritma yang berbeda. Skenario tersebut dipisah menjadi 2 tipe model yaitu datar dan hirarki. Hasil dari perancangan model klasifikasi sentimen dengan model hirarki memberikan performa yang paling baik dengan presisi 62% dan akurasi 76.26% namun dalam implementasinya waktu respon yang dibutuhkan untuk mengakses model hirarki lebih besar.
========================================================================================
The development of AI in Indonesia led to the emergence of new business opportunities for companies in Indonesia. One company in the field of AI that is Kata.ai has made a chatbot that has 1.7 users and 200 million messages over the year. With high usage levels bots are required to respond to users well and quickly, sentiment analysis needs to be done so bots can respond according to user sentiments while development with microservice makes it easy for services to be deployed in multiple instances in order to improve the response of the service.
In some previous studies have made many models of classification sentiments that divide the class into 3 that is positive, negative and neutral. However, the class is still large so it needs grouping into a more specific class so the bots can respond better. This study produced a web service application to classify user sentiments into 9 sentiment classes.
The design of the best classification model is done by creating several training scenarios with different parameters and algorithms. The scenario is split into 2 types of models, namely flat and hierarchy. The result of design of sentiment classification model with hierarchical model gives the best performance with 62% accuracy and 76.26% accuracy but in the implementation of response time needed to access hierarchy model is longer.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 006.7 Rah r-1 3100018074277 |
| Uncontrolled Keywords: | Sentimen Analisis; Microservice; Klasifikasi; Sentiment Analysis; Classification |
| Subjects: | Q Science > QA Mathematics > QA76.754 Software architecture. Computer software T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.888 Web sites--Design. Web site development. |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Rama Rahmanda |
| Date Deposited: | 22 Feb 2018 06:11 |
| Last Modified: | 15 May 2020 05:10 |
| URI: | http://repository.its.ac.id/id/eprint/49422 |
Actions (login required)
 |
View Item |