Deteksi Kategori Aspek pada Ulasan Restoran dengan Metode Support Vector Machine
Kata Kunci:
deteksi kategori aspek, ulasan restoran, support vector machine, one-againts-allAbstrak
Pada kehidupan saat ini kecanggihan pasar menyebabkan ketatnya persaingan antar sektor usaha yang ada, salah satunya restoran. Pengujung yang ingin mengunjungi suatu restoran akan mempertimbangkan restoran yang akan dikunjunginya dengan cara melihat dari ulasan yang diberikan oleh pengunjung sebelumnya, baik itu positif maupun negatif terkait pengalaman selama mengunjungi restoran tersebut. Pada ulasan restoran dapat mencakup banyak aspek yang berbeda. Deteksi kategori aspek dapat dilakukan untuk mengekstraksi aspek dalam ulasan. Data penelitian ini merupakan data ulasan restoran dari SemEval-2016 yang berjumlah 2000 data. Untuk menemukan aspek-aspek yang terdapat pada ulasan restoran tersebut, dilakukan text preprocessing dan pembobotan kata, selanjutnya menggunakan strategi one-againts-all pada proses klasifikasi aspek dengan metode Support Vector Machine. Hasil evaluasi dari penelitian ini mendapatkan confusion matrix untuk klasifikasi aspek menunjukkan nilai precision sebesar 0,37, recall sebesar 0,27, dan F-measure sebesar 0,27.
Referensi
Dwi Antonio, V., Efendi, S. and Mawengkang, H., 2022. Sentiment Analysis for Covid-19 in Indonesia on Twitter with TF-IDF Featured Extraction and Stochastic Gradient Descent. Int. J. Nonlinear Anal. Appl, [online] 13(1), pp.2008–6822. https://doi.org/10.22075/ijnaa.2021.5735.
Han, J., Kamber, M. and Pei, J., 2012. Data Mining. Concepts and Techniques, 3rd Edition (The Morgan Kaufmann Series in Data Management Systems).
Imron, S., Setiawan, E.I. and Santoso, J., 2023. Deteksi Aspek Review E-Commerce Menggunakan IndoBERT Embedding dan CNN. Journal of Intelligent System and Computation, [online] 5(1), pp.10–16. https://doi.org/10.52985/insyst.v5i1.267.
Kim, D., Seo, D., Cho, S. and Kang, P., 2019. Multi-co-training for Document Classification using Various Document Representations: TF–IDF, LDA, and Doc2Vec. Information Sciences, 477, pp.15–29. https://doi.org/10.1016/j.ins.2018.10.006.
Multi Fani, S. and Santoso, R., 2021. Penerapan Text Mining untuk Melakukan Clustering Data Tweet Akun Blibli pada Media Sosial Twitter Menggunakan K-Means Clustering. Gaussian, [online] 10, pp.583–593. Available at: <https://ejournal3.undip.ac.id/index.php/gaussian/>.
Nasiri, D.F. and Budi, I., 2019. Aspect Category Detection on Indonesian E-commerce Mobile Application Review. In: D.F. Nasiri, ed. 2019 International Conference on Data and Software Engineering (ICoDSE).
Ni’mah, A.T. and Arifin, A.Z., 2020. Perbandingan Metode Term Weighting terhadap Hasil Klasifikasi Teks pada Dataset Terjemahan Kitab Hadis. Rekayasa, 13(2), pp.172–180. https://doi.org/10.21107/rekayasa.v13i2.6412.
Pamungkas, T.J. and Romadhony, A., 2021. Analisis Sentimen Berbasis Aspek Terhadap Ulasan Restoran Berbahasa Indonesia menggunakan Support Vector Machines.
Pramana, R., Debora, Subroto, J.J., Gunawan, A.A.S. and Anderies, 2022. Systematic Literature Review of Stemming and Lemmatization Performance for Sentence Similarity. In: Proceedings of the 2022 IEEE 7th International Conference on Information Technology and Digital Applications, ICITDA 2022. Institute of Electrical and Electronics Engineers Inc. https://doi.org/10.1109/ICITDA55840.2022.9971451.
Rahma Yustihan, S. and Pandu Adikara, P., 2021. Analisis Sentimen berbasis Aspek terhadap Data Ulasan Rumah Makan menggunakan Metode Support Vector Machine (SVM). [online] Available at: <http://j-ptiik.ub.ac.id>.
Resti, J. and Selva Jumeilah, F., 2017. Penerapan Support Vector Machine (SVM) untuk Pengkategorian Penelitian. [online] Available at: <http://jurnal.iaii.or.id>.
Shanmugapriya, G., Y, M., Mohammad, A.B. and Ahammad, Sk.H., 2022. Using Multi-Label Multi-Class Support Vector Machines with Semantic and Lexical Features for Aspect Category Detection. International Journal on Recent and Innovation Trends in Computing and Communication, 10(11), pp.07–13. https://doi.org/10.17762/ijritcc.v10i11.5773.
Sifa Amalia, B., Umaidah, Y., Mayasari, R., Karawang Jl HSRonggo Waluyo, S., Telukjambe Timur, K. and Karawang, K., 2021. Analisis Sentimen Review Pelanggan Restoran Menggunakan Algoritma Support Vector Machine dan K-Nearest Neighbor. 19(1), pp.28–34.
Syaifulloh Amien Pandega Perdana, Teguh Bharata Aji and Ridi Ferdiana, 2021. Aspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia. Jurnal Nasional Teknik Elektro dan Teknologi Informasi, 10(3), pp.229–235. https://doi.org/10.22146/jnteti.v10i3.1819.
Dwi Antonio, V., Efendi, S. and Mawengkang, H., 2022. Sentiment Analysis for Covid-19 in Indonesia on Twitter with TF-IDF Featured Extraction and Stochastic Gradient Descent. Int. J. Nonlinear Anal. Appl, [online] 13(1), pp.2008–6822. https://doi.org/10.22075/ijnaa.2021.5735.
Han, J., Kamber, M. and Pei, J., 2012. Data Mining. Concepts and Techniques, 3rd Edition (The Morgan Kaufmann Series in Data Management Systems).
Imron, S., Setiawan, E.I. and Santoso, J., 2023. Deteksi Aspek Review E-Commerce Menggunakan IndoBERT Embedding dan CNN. Journal of Intelligent System and Computation, [online] 5(1), pp.10–16. https://doi.org/10.52985/insyst.v5i1.267.
Kim, D., Seo, D., Cho, S. and Kang, P., 2019. Multi-co-training for Document Classification using Various Document Representations: TF–IDF, LDA, and Doc2Vec. Information Sciences, 477, pp.15–29. https://doi.org/10.1016/j.ins.2018.10.006.
Multi Fani, S. and Santoso, R., 2021. Penerapan Text Mining untuk Melakukan Clustering Data Tweet Akun Blibli pada Media Sosial Twitter Menggunakan K-Means Clustering. Gaussian, [online] 10, pp.583–593. Available at: <https://ejournal3.undip.ac.id/index.php/gaussian/>.
Nasiri, D.F. and Budi, I., 2019. Aspect Category Detection on Indonesian E-commerce Mobile Application Review. In: D.F. Nasiri, ed. 2019 International Conference on Data and Software Engineering (ICoDSE).
Ni’mah, A.T. and Arifin, A.Z., 2020. Perbandingan Metode Term Weighting terhadap Hasil Klasifikasi Teks pada Dataset Terjemahan Kitab Hadis. Rekayasa, 13(2), pp.172–180. https://doi.org/10.21107/rekayasa.v13i2.6412.
Pamungkas, T.J. and Romadhony, A., 2021. Analisis Sentimen Berbasis Aspek Terhadap Ulasan Restoran Berbahasa Indonesia menggunakan Support Vector Machines.
Pramana, R., Debora, Subroto, J.J., Gunawan, A.A.S. and Anderies, 2022. Systematic Literature Review of Stemming and Lemmatization Performance for Sentence Similarity. In: Proceedings of the 2022 IEEE 7th International Conference on Information Technology and Digital Applications, ICITDA 2022. Institute of Electrical and Electronics Engineers Inc. https://doi.org/10.1109/ICITDA55840.2022.9971451.
Rahma Yustihan, S. and Pandu Adikara, P., 2021. Analisis Sentimen berbasis Aspek terhadap Data Ulasan Rumah Makan menggunakan Metode Support Vector Machine (SVM). [online] Available at: <http://j-ptiik.ub.ac.id>.
Resti, J. and Selva Jumeilah, F., 2017. Penerapan Support Vector Machine (SVM) untuk Pengkategorian Penelitian. [online] Available at: <http://jurnal.iaii.or.id>.
Shanmugapriya, G., Y, M., Mohammad, A.B. and Ahammad, Sk.H., 2022. Using Multi-Label Multi-Class Support Vector Machines with Semantic and Lexical Features for Aspect Category Detection. International Journal on Recent and Innovation Trends in Computing and Communication, 10(11), pp.07–13. https://doi.org/10.17762/ijritcc.v10i11.5773.
Sifa Amalia, B., Umaidah, Y., Mayasari, R., Karawang Jl HSRonggo Waluyo, S., Telukjambe Timur, K. and Karawang, K., 2021. Analisis Sentimen Review Pelanggan Restoran Menggunakan Algoritma Support Vector Machine dan K-Nearest Neighbor. 19(1), pp.28–34.
Syaifulloh Amien Pandega Perdana, Teguh Bharata Aji and Ridi Ferdiana, 2021. Aspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia. Jurnal Nasional Teknik Elektro dan Teknologi Informasi, 10(3), pp.229–235. https://doi.org/10.22146/jnteti.v10i3.1819.
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
