PENGARUH SELEKSI FITUR WORD2VEC BERBASIS PARTICLE SWARM OPTIMIZATION TERHADAP PERFORMA SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN ULASAN PRODUK PERAWATAN KULIT

MAGFIROH, ANIS (2025) PENGARUH SELEKSI FITUR WORD2VEC BERBASIS PARTICLE SWARM OPTIMIZATION TERHADAP PERFORMA SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN ULASAN PRODUK PERAWATAN KULIT. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text COVER_ANIS MAGFIROH_123200005.pdf Download (181kB)
	Text PENGESAHAN_ANIS MAGFIROH_123200005.pdf Download (568kB)
	Text ABSTRAK_ANIS MAGFIROH_123200005.pdf Download (194kB)
	Text DAFTAR ISI_ANIS MAGFIROH_123200005.pdf Download (244kB)
	Text DAFTAR PUSTAKA_ANIS MAGFIROH_123200005.pdf Download (196kB)
	Text SKRIPSI FULLTEXT_ANIS MAGFIROH_123200005.pdf Restricted to Repository staff only Download (3MB)

Abstract

Saat ini, berbagai produk skincare tersedia dipasaran dengan kandungan dan manfaat
yang beragam, sehingga tidak semua produk cocok untuk setiap konsumen. Sebelum
melakukan pembelian produk, konsumen akan mencari informasi mengenai jenis dan
masalah yang dialami kulit mereka. Pencarian informasi ini dapat dilakukan dengan
membaca komentar atau ulasan pada website mengenai testimoni dari konsumen lain yang
sudah menggunakan produk tersebut sebelumnya. Hal ini dilakukan untuk meminimalisir
konsumen melakukan kesalahan dalam memilih produk yang dapat memberikan efek negatif
atau tidak cocok pada kulit. Namun, mempelajari ulasan pelanggan satu per satu memakan
waktu dan melelahkan, sehingga dibutuhkan solusi untuk mempercepat proses tersebut.
Solusi yang dapat diusulkan yaitu dengan menggunakan ulasan komentar kosumen terhadap
produk untuk melakukan analisis sentimen.
Pada penelitian ini untuk mengatasi permasalahan tersebut dengan mengembangkan
model analisis sentimen sengan menggabungkan ekstraksi fitur Word2Vec dan seleksi fitur
particle swarm optimization pada algoritma support vector machine. Penelitian ini
menggunakan dataset berjumlah 1.870 ulasan yang dikumpulkan melalui teknik web
scraping pada website femaledaily.com. Ekstrasi fitur Word2Vec digunakan untuk
merepresentsikan kata teks ke dalam bentuk vektor numerik. Seleksi fitur particle swarm
optimization digunakan untuk menyeleksi fitur pada hasil ekstraksi fitur Word2Vec, untuk
selanjutnya digunakan dalam pemodelan klasifikasi support vector machine.
Pengujian dilakukan dengan menggunakan confusion matrix untuk mendapatkan nilai
akurasi, presisi, recall, dan F1-score pada model analisis sentimen. Nilai confusion matrix
pada model support vector machine dengan Word2Vec menunjukkan nilai rata – rata akurasi
sebesar 67%, presisi 94%, recall 69% dan F1-score sebesar 80% dan pada model support
vector machine dengan Word2Vec dan seleksi fitur particle swarm optimization didapatkan
nilai rata – rata akurasi sebesar 66%, presisi 94%, recall 68% dan F1-score 79%. Pada
penelitian ini seleksi fitur particle swarm optimization berhasil menyeleksi fitur – fitur
Word2Vec menjadi hanya 55 fitur yang digunakan dalam pemodelan support vector
machine. Hasil pengujian confusion matrix menunjukkan bahwa perbedaan nilai akurasi
pada kedua model berbeda 1% dimana akurasi support vector machine dengan Word2Vec
dan seleksi fitur particle swarm optimization lebih rendah. Meskipun demikian, penerapan
seleksi fitur particle swarm optimization tetap memberikan kontribusi positif dalam hal
efisiensi model, karena mampu mengurangi jumlah fitur yang digunakan tanpa menurunkan
kinerja klasifikasi secara substansial.
Kata Kunci: ulasan, analisis sentimen, support vector machine, particle swarm
optimization, Word2Vec

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	ANIS MAGFIROH (Penulis - 123200005) ; Dhimas Arief Dharmawan (Pembimbing)
Uncontrolled Keywords:	ulasan, analisis sentimen, support vector machine, particle swarm optimization, Word2Vec
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	10 Nov 2025 02:31
Last Modified:	10 Nov 2025 02:31
URI:	http://eprints.upnyk.ac.id/id/eprint/45330

Actions (login required)

View Item