A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
Penerapan Metode Long Short-Term Memory dan Word2Vec dalam Analisis Sentimen Ulasan pada Aplikasi Ferizy
Tranportasi merupakan hal yang penting bagi masyarakat dalam mobilitas sehari-hari. Karena memiliki peranan penting dan dapat memudahkan kehidupan masyarakat, pemerintah mulai mengoptimalkan pembangunan sarana transportasi dan memulai inovasi digital, salah satunya pada moda transportasi laut. Perseroan Terbatas Angkutan Sungai, Danau, dan Penyeberangan Indonesia (PT ASDP) meluncurkan aplikasi Ferizy pada Google Playstore. Dalam inovasi ini, sentimen masyarakat dapat membantu untuk mengetahui kepuasan, kekurangan, saran, dan kritik. Terkait hal tersebut maka diperlukan analisis sentimen untuk memahami maksud ulasan. Analisis ini mengekstrak data ulasan lalu mengolah data tekstual secara otomatis untuk mendapatkan makna sentimen yang terkandung dalam ulasan. Penelitian ini mengimplementasikan klasifikasi Long Short-Term Memory (LSTM) dan ekstraksi fitur Word2Vec variasi skip-gram serta CBOW pada dataset ulasan aplikasi Ferizy. Hasil pengujian dari model menghasilkan nilai akurasi sebesar 88,20% untuk variasi skip-gram dan 74,20% untuk variasi CBOW.
Penerapan Metode Long Short-Term Memory dan Word2Vec dalam Analisis Sentimen Ulasan pada Aplikasi Ferizy
Tranportasi merupakan hal yang penting bagi masyarakat dalam mobilitas sehari-hari. Karena memiliki peranan penting dan dapat memudahkan kehidupan masyarakat, pemerintah mulai mengoptimalkan pembangunan sarana transportasi dan memulai inovasi digital, salah satunya pada moda transportasi laut. Perseroan Terbatas Angkutan Sungai, Danau, dan Penyeberangan Indonesia (PT ASDP) meluncurkan aplikasi Ferizy pada Google Playstore. Dalam inovasi ini, sentimen masyarakat dapat membantu untuk mengetahui kepuasan, kekurangan, saran, dan kritik. Terkait hal tersebut maka diperlukan analisis sentimen untuk memahami maksud ulasan. Analisis ini mengekstrak data ulasan lalu mengolah data tekstual secara otomatis untuk mendapatkan makna sentimen yang terkandung dalam ulasan. Penelitian ini mengimplementasikan klasifikasi Long Short-Term Memory (LSTM) dan ekstraksi fitur Word2Vec variasi skip-gram serta CBOW pada dataset ulasan aplikasi Ferizy. Hasil pengujian dari model menghasilkan nilai akurasi sebesar 88,20% untuk variasi skip-gram dan 74,20% untuk variasi CBOW.
Penerapan Metode Long Short-Term Memory dan Word2Vec dalam Analisis Sentimen Ulasan pada Aplikasi Ferizy
Mega Vebika Shyahrin (author) / Yuliant Sibaroni (author) / Diyas Puspandari (author)
2023
Article (Journal)
Electronic Resource
Unknown
Metadata by DOAJ is licensed under CC BY-SA 1.0
PENERAPAN METODE DESIGN THINKING PADA MODEL PERANCANGAN UI / UX APLIKASI ISTIQOMAH
| DOAJ | 2024
Penerapan Metode Haversine Pada Aplikasi Layanan Perbaikan Kendaraan Berbasis Location Based Service
| DOAJ | 2019