Opinion Summarization Review Produk dalam Bahasa Indonesia dengan Metode Maximum Marginal Relevance (MMR)

Octarina Nur Hidayah

Informasi Umum

Kode

113090272

Klasifikasi

004 - Data processing, Computer science

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Ecommerce

Informasi Lainnya

Abstraksi

Saat ini kegiatan jual beli yang dilakukan melalui toko online semakin meningkat. Dalam kegiatan jual beli online para pelanggan dapat me-review produk secara online. Review produk ini dapat menjadi informasi yang sangat penting. Bagi pelanggan review ini dapat dijadikan sebagai bahan pertimbangan dalam membeli produk, bagi penjual review ini dapat dijadikan sebagai feedback untuk mengetahui produk yang diminati pelanggan sehingga penjual dapat menyediakan produk tersebut, dan bagi produk manufaktur review ini dapat dijadikan sebagai feedback untuk meningkatkan kualitas produk. Namun dengan semakin banyaknya review yang diekspresikan, maka muncul suatu permasalahan dalam mengevaluasinya, yaitu cukup sulit menentukan opini yang tepat dari suatu produk beserta orientasi opininya mengingat banyaknya review yang ada.<br>Pada Tugas Akhir ini dibangun sebuah sistem opinion summarization yang dapat meringkas review produk dalam bahasa Indonesia dan mengelompokkannya dalam kategori positif dan negatif. Proses yang dilakukan adalah identifikasi topik, ekstraksi opini, dan peringkasan yang dilanjutkan dengan analisis sentimen. Metode yang digunakan untuk proses peringkasan adalah Maximum Marginal Relevance (MMR) karena dinilai dapat memberikan hasil ringkasan yang baik. Dalam menghasilkan ringkasan MMR memperhitungkan nilai relevansi antar kalimat, sehingga baik dalam menghasilkan ringkasan. Untuk menentukan orientasi opini pada analisis sentimen digunakan Chatterbox.<br>Berdasarkan hasil pengujian yang didapat menunjukkan bahwa MMR dapat menghasilkan precision tertinggi 88.89% dengan recall 88.89% dalam peringkasan review produk berbahasa Indonesia. Karakteristik data dapat meningkatkan atau menurunkan performansi yang didapat. Ketika data yang diproses adalah review dengan jumlah kata yang menyusun kalimat ?10 kata didapat performansi yang lebih baik dibandingkan >10 kata. review produk, opinion summarization, bahasa Indonesia, Maximum Marginal Relevance, Chatterbox.