Implementasi Klasifikasi Sentimen Ulasan Produk E-Commerce Lazada Bahasa Indonesia Menggunakan XLM-R

Evan, Evan (2023) Implementasi Klasifikasi Sentimen Ulasan Produk E-Commerce Lazada Bahasa Indonesia Menggunakan XLM-R. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (667kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (203kB) | Preview
Preview	PDF BAB_I.pdf Download (210kB) | Preview
Preview	PDF BAB_II.pdf Download (455kB) | Preview
Preview	PDF BAB_III.pdf Download (464kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (776kB)
Preview	PDF BAB_V.pdf Download (202kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (467kB)

Abstract

Analisis sentimen merupakan salah satu cara untuk mengetahui pendapat seseorang atau sekelompok orang terkait suatu topik, produk, layanan, dan lain-lain. Analisis sentimen juga merupakan topik yang penting dalam Natural Language Processing. Dalam penelitian yang dilakukan ini, analisis sentimen dilakukan dengan menggunakan model XLM-R untuk melakukan analisis sentimen terhadap review produk berbahasa Indonesia. Model XLM-R merupakan model yang telah dilatih dengan 100 bahasa sebelumnya, sehingga memiliki kemampuan untuk melakukan klasifikasi sentimen teks multi bahasa. Pada penelitian ini, Bahasa Indonesia digunakan untuk jadi objek penelitian karena Bahasa Indonesia merupakan bahasa yang masuk ke dalam bahasa dengan sumber daya yang rendah. Maka dari itu, penelitian ini bertujuan untuk melihat performa model XLM-R dalam melakukan klasifikasi sentimen untuk bahasa yang sumber dayanya rendah. Hasil dari penelitian menunjukan bahwa model XLM-R dapat dengan baik melakukan klasifikasi teks Bahasa Indonesia, meskipun dilatih hanya dengan bahasa selain Bahasa Indonesia. Bahasa-bahasa yang digunakan selama pelatihan adalah bahasa Jerman, Inggris, Spanyol, dan Prancis. Akurasi model tertinggi diraih oleh model XLM-R yang dilatih dengan bahasa Prancis dengan nilai akurasi sebesar 83.25%. Pada penelitian ini juga disimpulkan bahwa model dapat dengan baik melakukan transfer learning. Selain itu, dapat disimpulkan juga bahwa penambahan data berbahasa Indonesia untuk melatih model sangat berpengaruh terhadap akurasi yang di dapat, tapi model XLM-R yang dilatih tanpa campuran Bahasa Indonesia sendiri juga bisa dikatakan memiliki akurasi yang cukup bersaing.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis Sentimen, Bahasa Indonesia, Natural Language Processing, XLM-R
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.1 Programming, Programming Language
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	03 Jul 2023 09:52
Last Modified:	08 Aug 2023 06:05
URI:	https://kc.umn.ac.id/id/eprint/25577

Actions (login required)

View Item