Komparasi Optimasi Menggunakan Latent Semantic Analysis dan Latent Dirichlet Allocation pada Analisis Sentimen Berbasis Aspek dari Ulasan Online Food Delivery (OFD) dengan SVM

Hendra, Wiky (2024) Komparasi Optimasi Menggunakan Latent Semantic Analysis dan Latent Dirichlet Allocation pada Analisis Sentimen Berbasis Aspek dari Ulasan Online Food Delivery (OFD) dengan SVM. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (454kB)
	PDF BAB_I.pdf Download (261kB)
	PDF BAB_II.pdf Download (438kB)
	PDF BAB_III.pdf Download (262kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (127kB)
	PDF DAFTAR_PUSTAKA.pdf Download (131kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (828kB)

Abstract

Bagi para pebisnis khususnya di industri Food and Beverages, analisis sentimen memberikan hasil yang sangat baik bagi perusahaannya. Dengan industri FnB yang berkembang, pastinya akan memberikan value yang terbaik khususnya pada pelayanan. Dengan dengan era yang digital, restoran pun memberikan pelayanan order secara online disebut Online Food Delivery (OFD). Perlu pemahaman opini pelanggan berdasarkan pelayanan yang telah didapat. Salah satu cara untuk memahami opini yaitu analisis sentimen. Namun, analisis sentimen masih belum cukup memberikan pengetahuan hal spesifik apa yang menonjol dan kurang. Perlunya aspek yang dijual oleh restoran, yaitu 4P (Product, Price, Place, Prmotion) Marketing Mix. Aspect- Based Sentiment Analysis akan dilakukan kepada ulasan pelanggan salah satu restoran dengan (OFD). Proses pekerjaan akan berdasarkan framework CRISP-DM dengan dukungan pemahaman tentang value berupa 4P yang dijual oleh restoran OFD. Dilakukannya scraping pada website dan melakukan pemrosesan pada hasil scraping dengan melakukan text pre- processing. Selanjutnya, dilakukan pembangunan model dengan membandingkan algoritma Support Vector Machine yang ditambahkan Latent Semantic Analysis dan Latent Dirichlet Allocation. Data diambil dari bulan April 2024 dengan jumlah data sebanyak 2820 ulasan. Berdasarkan model yang telah dibuat, LDA lebih baik daripada LSA dengan selisih 3 persen. Hasil berupa aplikasi web service sebuah sentimen untuk pemilik outlet sebagai opini pengambilan keputusan untuk memajukan value berdasarkan 4 aspek.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Aspect-Based Sentiment Analysis, Latent Semantic Analysis, Latent Dirichlet Allocation, Online Food Delivery, Support Vector Machine.
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	10 Nov 2024 11:10
Last Modified:	10 Nov 2024 11:10
URI:	https://kc.umn.ac.id/id/eprint/34093

Actions (login required)

View Item