Pemanfaatan Filter Dalam Object-Based Opinion Mining Pada Review Produk Pariwisata

Sisephaputra, Bonda (2016) Pemanfaatan Filter Dalam Object-Based Opinion Mining Pada Review Produk Pariwisata. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
5113202012-master theses.pdf - Published Version

Download (2MB)
[img] Text
5113202012-paperpdf.pdf - Published Version

Download (287kB)
[img] Text
5113202012-presentationpdf.pdf - Presentation

Download (635kB)

Abstract

Dalam menentukan kualitas dari suatu produk pariwisata dapat dilihat dari banyak aspek karena masing-masing memiliki keunikan masing-masing, sehingga untuk mendapatkan gambaran yang lebih jelas maka harus dievaluasi masingmasing aspek yang ada. Penggalian informasi yang cocok adalah dengan objectbased opinion mining. Penerapan aturan NLP untuk menentukan orientasi semantik dari objek yang berhasil diekstrak terbukti efektif. Akan tetapi, kinerja pada tugas ekstraksi objek cukup buruk dalam domain pariwisata. Pada penelitian ini peneliti menggunakan filter dalam proses ekstraksi objek yang terdapat pada data review hotel dan restoran. Penggunaan data filter pada object-based opinion mining berhasil memperoleh hasil ekstraksi objek yang lebih baik, karena dapat memfilter objek-objek yang bukan merupakan objek yang berpengaruh terhadap kualitas suatu hotel atau resoran. Penerapan filter dalam proses ekstraksi objek jelas dapat meningkatkan presisi yaitu pada pendekatan frequent object yang semula 45.7% menjadi 64.49% pada review hotel dan dari 44.82% menjadi 64.61% pada review restoran. Hal serupa juga terjadi pada pendekatan ekstraksi objek dengan menggunakan frequent object dan infrequent object dimana terjadi peningkatan hasil presisi yang semula 22.33% menjadi 63.02% pada review hotel dan dari 21.6% menjadi 65.4% pada review restoran. Pada proses pengukuran performa klasifikasi sentimen objek menggunakan semua objek yang telah berhasil diekstrak, penggunaan filter mendapatkan hasil yang dominan secara keseluruhan dibanding dengan tanpa filter. Pada pendekatan frequent object mendapatkan 56.85% akurasi, 60.91% presisi, dan 79.93% recall pada review hotel, serta mendapatkan hasil 58.85% akurasi, 63.26% presisi, dan 84.14% recall pada review restoran. Pada proses klasifikasi sentimen kalimat penggunaan objek terekstraksi sebagai atribut klasifikasi untuk menentukan orientasi kalimat mendapatkan hasil yang lebih baik dibanding dengan hanya menggunakan kalimat review secara langsung sebagai atribut klasifikasi, walaupun penggunaan objek dari object-based opinion mining masih kurang dibandingkan dengan penggunaan aspek corpus sebagai atribut. ========= The quality of a tourism product can be seen from many objects because each product is a unique individual. Therefore to get a clearer picture about a product, each object has to be evaluated. The information about each object can be exctracted by using object-based opinion mining. Based on the previous research, the application of Natural Language Processing (NLP) rules on object-based opinion mining to determine the orientation of the semantic objects has showed good result. However, the performance of the extraction objects task quite bad in the tourism domain. In this study, researchers apply a filter on the objects’ extraction process of the hotel and restaurant review data. The utilization of data filter in object-based opinion mining has succeeded in obtaining better objects’ extraction result, because the utilization of filter will eliminate each object which is unrelated with the object of the hotel or restaurant domain. The application of filter in the objects’ extraction process can improve the precision of frequent object approach from 45.7% to 64.49% on of the hotel review and from 44.82% to 64.61% on the restaurant review. In the objects’ extraction process which is using frequent and infrequent approach, the precision is increased from 22.33% to 63.02% on the hotel review and from 21.6% to 65.4% on the restaurant review. In the performance measurement process, with the usage of all objects that have been successfully extracted, the use of filter got more dominant result compared to no filter on object sentiment classification process. The utilization of filter on frequent object approach got 56.85% accuracy, 60.91% precision, and 79.93% recall on the hotel review, and got 58.85% accuracy, 63.26% precision, and 84.14% recall on the restaurant review. While in the process of sentences sentiment classification, the usage of extracted object as a classification attribute to determine the orientation of the sentence got better results than only using the sentence review directly as an classification attribute, although the results object of object-based opinion mining is worse than the usage of the object of the corpus data as an attribute. object-based opinion mining, opinion mining, analisis sentimen, pariwisata, hotel, restoran

Item Type: Thesis (Masters)
Additional Information: RTIf 006.312 Sis p 3100017068362
Uncontrolled Keywords: object-based opinion mining, opinion mining, Sentiment Analysis, tourism, hotel, restaurant, object-based opinion mining, opinion mining, analisis sentimen, pariwisata, hotel, restoran
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1010 Electric power system stability. Electric filters, Passive.
Divisions: Faculty of Information Technology > Informatics Engineering > (S2) Master Theses
Depositing User: - Davi Wah
Date Deposited: 25 Oct 2019 04:30
Last Modified: 25 Oct 2019 04:30
URI: http://repository.its.ac.id/id/eprint/71323

Actions (login required)

View Item View Item