PERBANDINGAN WORD EMBEDDING WORD2VEC, GLOVE, DAN FASTTEXT MENGGUNAKAN DEEP LEARNING PADA ULASAN KONDISI PENGGUNA OBAT KESEHATAN

FIQIH AULIA , PRADANA (2023) PERBANDINGAN WORD EMBEDDING WORD2VEC, GLOVE, DAN FASTTEXT MENGGUNAKAN DEEP LEARNING PADA ULASAN KONDISI PENGGUNA OBAT KESEHATAN. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK - ABSTRACT.pdf Download (12Kb) | Preview
	File PDF 2. SKRIPSI FULL.pdf Restricted to Hanya staf Download (2351Kb) | Minta salinan
Preview	File PDF 3. SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (936Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Produk kesehatan seperti obat merupakan salah satu aspek penting dalam kesehatan. Sebagai masyarakat awam perlu rekomendasi obat dari penyintas penyakit. Rekomendasi tersebut berupa ulasan yang dapat dijadikan bahan pengetahuan untuk masyarakat dalam memilih obat sesuai kondisi yang dialami. Dalam statistika khususnya dalam metode klasifikasi, data berbentuk ulasan diproses melalui NLP. Text mining merupakan salah satu bagian dari NLP. Dalam penerapannya text mining harus berdampingan dengan machine learning untuk mengolah algoritma untuk mendapat hasil yang baik. Word embedding merupakan teknik analisis kebahasaan terbaru, dimana metode ini memberikan informasi struktur, urutan, semantik dan konteks di sekitar kata. Word Embedding yang dipakai adalah Word2Vec, Glove, dan FastText. Metode yang digunakan untuk mengklasifikasikan yaitu deep learning LSTM. LSTM bisa digunakan untuk menyimpan memori jangka panjang. Perpaduan word embedding dan LSTM dapat melihat hasil kinerja masing-masing word embedding dan keunggulan dari word embedding yang bisa dimaksimalkan. Hasil dari perbandingan word embedding Word2Vec, Glove, dan FastText digabungkan dengan metode LSTM mampu mendapatkan hasil nilai akurasi berturut-turut 85.20%, 84.19%, 86.22%. Sedangkan nilai F1-Score word embedding Word2Vec, Glove, dan FastText berturut-turut 85%, 84%, 86%. Kata Kunci : Ulasan, Kondisi, Klasifikasi, Word2Vec, Glove, FastText, LSTM

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	2301785943 . Digilib
Date Deposited:	05 Jun 2023 02:44
Terakhir diubah:	05 Jun 2023 02:44
URI:	http://digilib.unila.ac.id/id/eprint/71626

Actions (login required)

Lihat Karya Akhir