ANALISIS SENTIMEN TERHADAP ULASAN PEMBELI PRODUK KECANTIKAN MENGGUNAKAN METODE DEEP LEARNING DENGAN ARSITEKTUR LONG SHORT-TERM MEMORY

Satiawan, Wayan Gede Gustana (2024) ANALISIS SENTIMEN TERHADAP ULASAN PEMBELI PRODUK KECANTIKAN MENGGUNAKAN METODE DEEP LEARNING DENGAN ARSITEKTUR LONG SHORT-TERM MEMORY. S1 thesis, Universitas Atma Jaya Yogyakarta.

Preview	Text (Wayan Gede Gustana Satiawan) 190710455_Bab 0.pdf Download (355kB) | Preview
Preview	Text 190710455_Bab 1.pdf Download (269kB) | Preview
Preview	Text 190710455_Bab 2.pdf Download (209kB) | Preview
	Text 190710455_Bab 3.pdf Restricted to Registered users only Download (471kB)
	Text 190710455_Bab 4.pdf Restricted to Registered users only Download (2MB)
	Text 190710455_Bab 5.pdf Restricted to Registered users only Download (760kB)
Preview	Text 190710455_Bab 6.pdf Download (445kB) | Preview

Abstract

Pembelian produk kosmetik melalui e-commerce mengalami peningkatan beberapa tahun ke belakang. Dengan fitur ulasan pada sistem e-commerce, pembeli dapat memberikan nilai rating dan teks ulasan terhadap produk yang telah dibeli. Seringkali, pembeli memberikan nilai rating dan teks ulasan yang tidak sejalan. Penelitian ini bertujuan untuk membentuk sebuah model yang dapat mempelajari sentimen dari teks ulasan pembeli produk kecantikan menggunakan metode deep learning dengan arsitektur Long Short-Term Memory (LSTM). Model tersebut dapat digunakan untuk memvalidasi input rating dan teks ulasan supaya ketidaksesuaian antara kedua data tersebut dapat dicegah. Penelitian ini dilakukan dengan mengumpulkan data ulasan produk kecantikan dari beberapa e-commerce, meliputi Lazada, Sephora, Shopee, Sociolla, Tokopedia, dan Amazon. Dataset yang sudah terkumpul kemudian melewati tahap data preprocessing. Pada tahap ini, dataset melewati beberapa rangkaian proses, meliputi pelabelan dataset, penerjemahan teks ulasan berbahasa asing ke Bahasa Indonesia, penghapusan ulasan yang tidak sesuai, stop word removal, stemming, data splitting, dan tokenization. Dataset kemudian digunakan untuk melatih model pada tahap pelatiham model. Model yang telah dilatih kemudian dievaluasi untuk mendapatkan skor specificity dan recall. Untuk mendapatkan model dengan evaluasi yang paling optimal, model tersebut diproses pada tahap hyperparameter tuning. Tahapan terakhir yang dilakukan pada penelitian ini adalah mengimplementasikan model dengan evaluasi paling optimal ke dalam sistem web. Hasil penelitian ini menunjukkan bahwa model deep learning berarsitektur LSTM dapat digunakan untuk analisis sentimen terhadap ulasan pembeli dengan Bahasa Indonesia. Model yang paling optimal mendapatkan skor evaluasi performa specificity dan recall masing-masing sebesar 0,945 dan 0,909.

Actions (login required)

View Item