Pelabelan Klaster Fitur Secara Otomatis pada Perbandingan Review Produk

Abstract

Abstrak Penggunaan review produk sebagai suatu sumber untuk mendapatkan informasi dapat dimanfaatkan untuk mengoptimalkan pemasaran suatu produk. Situs belanja online merupakan salah satu sumber yang dapat digunakan untuk pengambilan review produk. Analisa terhadap produk dapat dilakukan dengan membandingkan antara dua buah produk berbeda berdasarkan fitur produk tersebut. Fitur dari suatu produk didapatkan melalui ekstraksi fitur dengan metode double propagation. Fitur yang terdapat dalam sebuah review sangat banyak serta terdapat beberapa kata yang memiliki arti yang sama yang mewakili suatu fitur tertentu, sehingga diperlukan suatu pengelompokan terhadap fitur tersebut. Pengelompokan suatu fitur produk dapat dilakukan secara otomatis tanpa memperhatikan kamus kata, yaitu dengan menggunakan teknik clustering. Hierarchical clustering merupakan salah satu metode yang dapat digunakan untuk pengelompokan terhadap fitur produk. Pengujian dengan metode hierarchical clustering untuk pengelompokan fitur menunjukkan bahwa metode average linkage memiliki nilai recall dan f-measure yang paling tinggi. Sementara untuk pengujian pelabelan menunjukkan bahwa semantic similarity antar fitur lebih berpengaruh dari pada kemunculan fitur di dokumen. Kata kunci: clustering, fitur produk, pelabelan Abstract Product review can be used as a source for acquire information and to optimize the marketing of product. Online shopping sites are one of source that can be used to get product reviews. Analysis of the product can be done by comparing two different products based on product’s features. Features of a product can be obtained through extraction of features with double propagation method. In the product review there are many feature that can be found, and there are some words that have the same meaning which represents a particular feature, so we need a grouping on the feature. Hierarchical clustering is one method that can be used for grouping the features of the product. Based on testing, hierarchical clustering method for grouping feature indicate that the average linkage method has the highest recall and f-measure. As for testing in labeling indicates that the semantic similarity between features is more influential than the appearance of features in the document. Keywords: clustering, features of the product, labeling