Alit, Rogo Jagad (2019) Analisis Sentimen Berbasis Aspek Dengan Pendekatan Sequence Labelling Task. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05111540000168-Undergraduate_Theses.pdf Download (1MB) | Preview |
Abstract
Jumlah pengguna internet di seluruh dunia bertambah dengan pesat dari 2 miliar di tahun 2010 sekarang menjadi 3 miliar pengguna seluruh dunia ditahun 2017. Bertambahnya penggunaan akses internet yang mudah, membuat sosial media menjadi sangat populer di kalangan masyarakat. Masyarakat akan cenderung bersosialisasi dengan cara mengekspresikan opini. Analisis sentimen menjadi sesuatu yang penting dalam kondisi tersebut terutama untuk keperluan bisnis. Data teks ulasan yang berisi opini terhadap suatu produk atau layanan dapat menjadi dasar pembuatan keputusan oleh konsumen dan menjadi feedback yang berharga bagi pemilik bisnis untuk mengembangkan produk atau layanannya. Pada tugas akhir ini, akan dilakukan analisis sentimen berbasis aspek. Tujuannya adalah untuk mengetahui polaritas sentimen (positif, negatif atau netral) suatu aspek dari objek yang menjadi target opini. Data pelatihan dan uji coba diambil dari dataset “Restaurant Review ABSA-2015” yang berisi dokumen ulasan terhadap makanan dan layanan dari beberapa restoran. Pada Tugas Akhir ini proses pengenalan aspect term dari objek ulasan dilakukan dengan menggunakan pendekatan sequence labelling task. Sequence labelling task adalah sebuah proses untuk memberikan label untuk satu data di dalam sebuah rangkaian data dengan memanfaatkan fitur dan label dari data lain yang ada pada rangkaian tersebut. Pendekatan sequence labelling task cocok digunakan pada Tugas Akhir ini karena untuk mengenali aspect term dalam sebuah kalimat, metode yang digunakan harus mengetahui informasi antar kata yang ada dari rangkaian kata atau kalimat yang diberikan. Metode yang akan digunakan untuk melakukan proses sequence labelling task untuk mengenali aspect term pada kalimat ulasan pada Tugas Akhir ini adalah Conditional Random Field (CRF). Hasil polaritas sentimen dari aspek ulasan akan didapatkan melalui metode rule-based dengan menggunakan 4 kamus kata opini dan pembobotan jarak kata. Hasil uji coba terakhir untuk pengenalan aspek target opini didapatkan nilai akurasi sebesar 98,07% dan untuk hasil analisis sentimen didapatkan nilai akurasi sebesar 85,06%.
=================================================================================================================================
The number of internet user worldwide increased rapidly from 2 billion in 2010 to 3 billion wordlwide in 2017. Increasing use of easy internet access, make social media become very popular among the people. People tend to socialize by expressing opions through existing social media. Sentiment analysis become something important in such situations, especially for business needs. Review texts that contains opinion towards any product or services can have such influence in consumer’s decision making and become valuable feedback for business owner to improve their product or services. This Final Project aims to do aspect-based sentiment analysis. The goal is to identify the sentiment polarity of certain aspect belongs to opinion’s target. Training and testing data come from “Restaurant Review ABSA-2015” dataset which contains review documents of food and service from a restaurant. Aspect term from a review sentence is extracted using sequence labelling task approach. Sequence labelling task is an approach to give appropriate label to a data item belongs to a data sequence by using other data’s label and features. Using sequence labelling task approach suits the aspect term extraction process in this Final Project because the implemented method should be able to make use of relation between words and other word’s feature that belong to a review sentence. Conditional Random Field (CRF) is a method belongs to sequence labelling task that will be used in this Final Project to recognize aspect term mentioned in the review sentence. Sentiment polarity from an aspect term is detected using rule-based method using 4 sentiment lexicons and word distance weighting. The accuracy for final test accuracy for aspect term detection is 98.07% and final test accuracy for aspect sentiment polarity analysis is 85.06%.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSIf 006.7 Ali a-1 2019 |
| Uncontrolled Keywords: | Conditional Random Field, data teks, analisis sentimen, aspect term, polaritas sentimen, sequence labelling task |
| Subjects: | T Technology > T Technology (General) > T57.5 Data Processing |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
| Depositing User: | Rogo Jagad Alit |
| Date Deposited: | 19 Mar 2024 02:10 |
| Last Modified: | 19 Mar 2024 02:10 |
| URI: | http://repository.its.ac.id/id/eprint/64347 |
Actions (login required)
 |
View Item |