Text

Sentiment Analysis Komentar Ulasan Gawai Pada Youtube Menggunakan Metode Transfer Learning Untuk Multi-Domain Sentiment Analysis Berbasis LDA-Collapsed Gibbs

---

ABSTRAK

Youtube adalah website yang menyediakan layanan berbagi video dan memiliki fitur komentar di setiap videonya. Tersedianya komentar pada video review gawai dapat menjadi peluang bisnis untuk mengamati kepuasan pasar terhadap gawai yang diulas. Banyaknya jumlah komentar dapat menjadi kendala untuk menganalisa komentar tersebut, sehingga diperlukan sebuah tool yang disebut dengan sentiment analysis. Penelitian ini menggunakan metode transfer learning dengan model LDA-Collapsed Gibbs Sampling untuk menganalisa sentimen komentar dari domain yang berbeda-beda. Transfer learning digunakan untuk mengatasi permasalahan domain yang berbeda-beda dimana hasil pembelajaran pada sebuah domain tertentu dapat diterapkan pada domain lain. Arsitektur model pada penelitian ini menggunakan perpaduan LDA dan Collapsed Gibbs Sampling sebagai proses sampling polaritas kata-kata yang memiliki variabel laten (document polarity, word polarity, domain, domain dependency) untuk menghasilkan sebuah korpus linguistik. Model yang telah dilatih dengan parameter alpha, beta, eta, gamma pada domain sumber sebesar 0.985, 0.975, 0.5, 0.985 dan parameter eta sebesar 0.5 pada domain target berhasil meraih rata-rata tingkat akurasi tertinggi sebesar 57.12%. Model tersebut menggunakan dua domain sumber yaitu domain laptop dan kamera serta tiga domain target yaitu smartphone, tablet, dan smarttv.

Kata Kunci: Youtube, sentiment analysis, transfer learning, Latent Dirichlet Allocation, LDA-Collapsed Gibbs Sampling

 
ABSTRACT

Youtube is a website that provides video sharing services and has comment feature on each video. Availability of comments on gadget review video become business opportunity to observe market satisfaction on the reviewed gadget. The large number of comments can become an obstacle to analyze those comments, so that a tool is required which called sentiment analysis. This research uses transfer learning method with LDA-Collapsed Gibbs Sampling model to analyze the sentiment of a comment from diverse domains. Transfer learning used to overcome the problem of diverse domain where the result of learning a certain domain can be applied to another domain. The model architecture in this research uses the blend of LDA and Collapsed Gibbs Sampling as a word polarity sampling process that have latent variable (document polarity, word polarity, domain, domain dependency) to generate a linguistic corpus. Models that have been trained with parameters alpha, beta, eta, gamma in the source domain of 0.985, 0.975, 0.5, 0.985 and eta parameters of 0.5 in the target domain managed to achieve the highest average accuracy rate of 57.12%. This model uses two source domains, namely the laptop and camera domains and three target domains, namely smartphone, tablet, and smarttv.
Keywords: Youtube, sentiment analysis, transfer learning, Latent Dirichlet Allocation, LDA-Collapsed Gibbs Sampling

---

Ketersediaan

919F21II

919 F 21-ii

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

919 F 21-ii

Penerbit

: ., 2021

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Pande Putu Wisnu Adhistanaya

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar