Publisher

UNPAMUNPAM

Journal Jurnal Informatika Universitas PamulangJurnal Informatika Universitas Pamulang Abstract

Penilaian produk online biasanya dengan memberikan ulasan deskripsi dan juga ulasan berupa rating. Begitu juga yang dilakukan pada toko online Lazada. Ulasan deskripsi dapat memberikan pandangan yang jelas dibandingkan dengan ulasan berupa rating kepada calon pembeli lain. Namun pada kenyataannya sering dijumpai ketidaksesuaian antara ulasan deskripsi dengan rating yang diberikan. Hal ini membuat kurangnya informasi bagi penjual dan juga calon pembeli. Pengklasifikasian otomatis ulasan deskripsi pembeli diusulkan pada penelitian ini agar terjadi kesesuaian antara ulasan deskripsi dengan ulasan rating. Pengklasifikasian otomatis ulasan deskripsi ini menggunakan algoritma Naive Bayes dengan ekstraksi fitur n-gram dan pembobotan kata TF-IDF. Hasil dari penelitian ini didapatkan akurasi terbaik sebesar 94.06%, recall sebesar 91.73% dan presisi sebesar 90.71% pada ekstraksi fitur Bigram. Dengan nilai akurasi yang cukup tinggi tersebut dapat dijadikan salah satu acuan atau model untuk mengklasifikasikan ulasan deskripsi produk, sehingga proses umpan balik antara penjual dan pembeli dapat berjalan dengan baik.

Conclusion

Klasifikasi ulasan produk elektronik ke dalam bentuk rating dapat dilakukan menggunakan metode Naïve Bayes dan n-gram.Diawali dengan tahap pre-processing kemudian dilanjutkan pembobotan term menggunakan TF-IDF serta ekstraksi fitur menggunakan n-gram dan dilanjutkan klasifikasi menggunakan metode Naïve Bayes.Ekstraksi fitur menggunakan n-gram terbukti dapat meningkatkan hasil akhir klasifikasi.Hasil terbaik menggunakan ekstraksi fitur bigram, diikuti ekstraksi fitur trigram dan setelahnya ekstraksi fitur unigram (dan juga hanya Naïve Bayes tanpa n-gram).Adapun hasil akurasi, presisi dan recall pada klasifikasi dengan Naïve Bayes menggunakan ekstraksi fitur bigram adalah sebesar 94.Dengan nilai akurasi yang cukup tinggi tersebut dapat dijadikan salah satu acuan atau model untuk mengklasifikasikan ulasan deskripsi produk, sehingga proses umpan balik antara penjual dan pembeli dapat berjalan dengan baik.Untuk hasil akurasi, presisi dan recall pada klasifikasi dengan Naïve Bayes menggunakan ekstraksi fitur trigram sebesar 89.Kemudian hasil akurasi, presisi dan recall pada klasifikasi dengan Naïve Bayes menggunakan ekstraksi fitur unigram dan juga tanpa n-gram memiliki nilai yang sama, yaitu 85.

Future Research

Untuk penelitian lanjutan, dapat dilakukan pengembangan model klasifikasi rating otomatis dengan mempertimbangkan aspek-aspek lain yang dapat mempengaruhi akurasi dan performa model. Misalnya, dapat dilakukan eksperimen dengan menambahkan fitur-fitur baru seperti analisis sentiment atau penggunaan teknik-teknik pengolahan bahasa alami yang lebih canggih. Selain itu, penelitian juga dapat fokus pada peningkatan akurasi klasifikasi untuk kelas-kelas rating tertentu yang memiliki jumlah data yang tidak seimbang. Dengan demikian, model klasifikasi rating otomatis dapat menjadi lebih akurat dan dapat diterapkan secara luas dalam berbagai platform e-commerce.

References

1. PENGARUH STEMMER BAHASA INDONESIA TERHADAP PEFORMA ANALISIS SENTIMEN TERJEMAHAN ULASAN FILM | Agastya... ejurnal.teknokrat.ac.id/index.php/teknokompak/article/view/70PENGARUH STEMMER BAHASA INDONESIA TERHADAP PEFORMA ANALISIS SENTIMEN TERJEMAHAN ULASAN FILM Agastya ejurnal teknokrat ac index php teknokompak article view 70

Metadata

File size	351.88 KB
Pages	7
DMCA	Report