Record Details

Analisis Sentimen menggunakan Metode Naive Bayes Classifier terhadap Review Produk Perawatan Kulit Wajah menggunakan Seleksi Fitur N-gram dan Document Frequency Thresholding

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Analisis Sentimen menggunakan Metode Naive Bayes Classifier terhadap Review Produk Perawatan Kulit Wajah menggunakan Seleksi Fitur N-gram dan Document Frequency Thresholding
 
Added Entry - Uncontrolled Name Wardani, Sinta Kusuma
Sari, Yuita Arum
Indriati, Indriati
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Pengaruh budaya dan gaya hidup yang semakin berkembang ini membuat masyarakat lebih memperhatikan penampilannya. Salah satu faktor yang mempengaruhi penampilan adalah kondisi kulit wajah seseorang. Masing-masing produk yang digunakan konsumen memiliki reaksi yang berbeda-beda antar satu konsumen dengan konsumen lainnya sehingga membuat banyak konsumen melakukan review terhadap produk yang digunakan. Review yang diberikan oleh konsumen dapat digunakan untuk mengukur kualitas dari sebuah produk kecantikan. Namun banyaknya review yang diberikan membuat pengelompokan review tidak dapat dilakukan secara manual dan harus dilakukan otomatisasi analisis sentimen untuk mengelompokkan review tersebut dalam beberapa kategori. Salah satu algoritme untuk melakukan klasifikasi analisis sentimen, yaitu menggunakan metode Naive Bayes Classifier di mana merupakan metode sederhana yang memiliki performa yang cepat dalam melatih data, mudah dalam implementasinya, serta memiliki efektifitas yang tinggi. Dalam proses klasifikasi akan digunakan seleksi fitur menggunakan algoritme N-gram dan DF-Thresholding untuk mengurangi dimensi fitur pada data. Tujuan dari penelitian ini untuk mengetahui pengaruh penggunaan algoritme DF-Thresholding pada tingkat akurasi algoritme Naive Bayes Classifier menggunakan metode N-gram. Hasil penelitian menunjukkan adanya pengurangan fitur sebanyak 16.312 fitur menjadi 43 fitur dengan nilai akurasi tertinggi pada kombinasi unigram dan bigram, yaitu sebesar 49%, precision sebesar 0,23, recall sebesar 0,26 serta f-measure sebesar 0,24.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10303
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 12 (2021): Desember 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com