Klasifikasi Ulasan Konsumen Menggunakan Random Forest dan SMOTE

Abstract

Ulasan berupa deskripsi teks direpresentasikan dalam bentuk skala peringkat tidaklah cukup sebagai acuan dalam menentukan sentimen yang seringkali bias. Penelitian ini dilakukan untuk mengklasifikasi ulasan konsumen dengan menerapkan teknik klasifikasi sentimen pada tingkat dokumen. Penelitian ini berfokus pada imbalanced class klasifikasi ulasan konsumen. Metode yang digunakan dalam mengatasi permasalahan imbalanced class adalah Synthetic Minority Oversampling Technique (SMOTE) dan Random Under-sampling (RUS) pada tahap pre-processing dan pada klasifikasi menggunakan Random Forest. Fitur data yang digunakan adalah fitur teks ulasan (proses analisis dan klasifkasi sentimen) dan fitur peringkat (proses pelabelan). Penerapan teknik class imbalanced (dalam hal ini SMOTE dan RUS) pada tahapan pre-processing mampu memberikan perubahan peningkatan akurasi dan mengenali data yang awalnya dianggap minor.