Analisis Perbandingan Metode Tf-Idf dan Word2vec pada Klasifikasi Teks Sentimen Masyarakat Terhadap Produk Lokal di Indonesia

Abstract

Secara umum, proses menghasilkan setiap ulasan produk pada  dasarnya terkait dengan tingkat rating, yang membuat pengguna memberikan komentar yang  bias.Analisis sentimen dapat diterapkan pada ulasan produk Marketplace sehingga dapat  digunakan sebagai saran perbaikan produk untuk penjual dan pesaing sehingga dapat mengetahui  produk apa yang disenangi dan dibutuhkan oleh masyarakat.Penelitian ini  menggunakan  algoritma XGBoost dengan menggunakan dataset bahasa Indonesia yang dikombinasikan dengan  TF-IDF dan Word2vec dan akan dievaluasi kombinasi mana yang lebih baik dalam  mengklasifikasikan data teks yang tidak seimbang.Berdasarkan penelitian yang telah dilakukan, dua vector space TF-IDF dan  Word2vec menghasilkan nilai F1-Score yang berbeda pada algoritma klasifikasi XGBoost,  kombinasi Word2vec+XGboost menghasilkan nilai F1-Score lebih tinggi 0.941% dibanding TF IDF+XGBoost 0.940%. Hal ini dikarenakan word2vec lebih baik karena memiliki keunggulan  dapat melihat hubungan semantik antar kata. Kata kunci: word2vec, tfidf, sentimen analisis, XGBoost,