Putri, Weny Kinanti (2019) Analisis Sentimen Berdasarkan Aspek pada Pendapat Konsumen PT. Telekomunikasi Selular DAN PT. Indosat Ooredoo dengan Menggunakan Pemodelan Gated Convolutional Network. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211540000009-Undergraduate_Theses.pdf Download (1MB) | Preview |
Abstract
Operator telekomunikasi saat ini semakin berlomba untuk menjaga dan meningkatkan jumlah pelanngannya dengan terus meningkatkan kualitas layanannya. Tidak sedikit pelanggan operator telekomunikasi menyampaikan pendapatnya mengenai layanan operator yang digunakannya melalui sosial media, salah satunya melalui Twitter. Karena saat ini sosial media telah menjadi salah satu media utama yang selalu digunakan masyarakat khususnya di Indonesia untuk saling berbagi informasi secara cepat. Informasi yang tersebar di sosial media sebagian besarnya merupakan opini pribadi dari pengguna terhadap suatu objek. Hal tersebut bisa dimanfaatkan perusahaan telekomunikasi untuk mengetahui pandangan pelanggan mengenai layanannya dan menjadi bahan decision making dalam memperbaiki dan meningkatkan layanannya. Menanggapi hal tersebut, analisis aspek berdasarkan sentimen dapat dilakukan untuk mengetahui hal menjadi konsen keluhan pelanggan dan seberapa pembagian sentimennya. Sentimen adalah pandangan individu pada suatu objek. Macam sentimen yang digunakan pada penelitian ini ada 4 jenis yaitu sentimen positif, negatif, netral, dan konflik. Analisis aspek berdasarkan sentimen merupakan pendalaman dari teknis analisis sentimen yang telah banyak dilakukan pada pemrosesan bahasa alami. Gated Convolutional Network merupakan salah algoritma untuk melakukan analisis sentimen berdasarkan aspek. Model GCNN dapat menghasilkan akurasi hingga 82.64% dalam memprediksi sentimen berdasarkan aspek. Algoritma GCNN dibandingkan dengan algoritma CNN masih menghasilkan akurasi yang lebih tinggi 1.6% dibandingkan akurasi model CNN yang hanya mencapai 81.04% dalam melakukan sentimen analisis. Dengan nilai akurasi yang lebih tinggi, GCNN memiliki waktu komputasi yang lebih lama yaitu 182.85 detik untuk setiap percobaan training dan testing data dibandingkan rata-rata waktu komputasi yang dihabiskan oleh model CNN yang hanya 54.93 detik. Perbedaan dari kedua algoritma ini ialah GCNN dapat mencapai akurasi yang lebih tinggi namun memiliki waktu komputasi yang lebih lama dibanding CNN yang waktu komputasinya lebih cepat namun mencapai akurasi yang tidak setinggi GCNN.
=================================================================================================================================
Telecommunications operators are star to increase the number of customers by increas the quality of their services. Not a few customer operators who express their opinions regarding service operators that they use through social media, one of them through Twitter. Because now social media has become one of the main media that has always been used by special communities in Indonesia to share information quickly. Information that is spread on social media is partly a personal opinion of the user towards an object. This can utilize telecommunication companies to find out the views of customers about their services and become material for making decisions in improving and improving their services. Responding to this, analysis of aspects based on sentiments can be done to find out the things that are considered by customers and regulate the distribution of sentiments. Sentiment is the individual view of an object. There are 4 types of sentiments used in this study, namely positive, negative, neutral, and conflict sentiments. Sentiment based analysis is a deepening of sentiment technical analysis that has been carried out on natural language approvals. Gated Convolutional Network is an algorithm for analyzing sentiment based on aspects. The GCNN model can produce up to 82.64% in predicting aspects based on sentiments. The GCNN algorithm compared to the CNN algorithm still produces 1.6% higher accuracy than the accuracy of the CNN model which only reached 81.04% in conducting sentiment analysis. With a higher testing value, GCNN has a longer computation time of 182.85 seconds for each training experiment and test data compared to the average computing time spent by the CNN model which is only 54.93 seconds. The difference between the two algorithms is that GCNN can achieve higher accuracy but has a longer computation time than CNN whose computation time is faster but achieves accuracy that is not as high as the GCNN.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSI 006.312 Put a-1 2019 |
| Uncontrolled Keywords: | Analisis Sentimen Berdasarkan Aspek, Twitter, Operator Telekomunikasi, Gated Convolutional Network, Convolutional Neural Network |
| Subjects: | T Technology > T Technology (General) > T57.5 Data Processing |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Weny Kinanti Putri |
| Date Deposited: | 22 Apr 2024 02:55 |
| Last Modified: | 22 Apr 2024 02:55 |
| URI: | http://repository.its.ac.id/id/eprint/64315 |
Actions (login required)
 |
View Item |