<![CDATA[Pemilahan opini pelanggan ke dalam lima kategori emosi menyediakan informasi yang jauh lebih tajam daripada pemilahan positif dan negatif, namun akurasinya masih tertahan karena satu model dipaksa memisahkan kelima kategori itu sekaligus. Studi ini menawarkan jalan keluar berupa pemecahan persoalan menjadi susunan bertingkat. Bahan yang dipakai adalah PRDECT-ID, himpunan 5.400 ulasan Tokopedia dari 29 kategori produk yang telah dianotasi ke dalam lima kategori emosi. Prosedur kerja disusun dalam lima tahap sesuai kerangka Knowledge Discovery in Databases. Pemeriksaan awal menemukan pemilahan sempurna antara kedua jenis label, tanpa satu pun kategori emosi yang muncul di dua sisi sentimen, sehingga persoalan lima kelas dapat dipecah menjadi satu tugas penentuan cabang dan dua tugas pengenalan di dalam cabang yang masing-masing hanya memuat dua dan tiga kategori. Penentuan cabang dijalankan secara lunak melalui perkalian peluang cabang dengan peluang emosi di dalamnya, dan diuji melalui dua skenario, yakni berbasis teks dan berbasis peringkat bintang. Susunan bertingkat menghasilkan akurasi 69,35% berbanding 67,59% pada model datar, sementara F1 makro naik dari 0,6243 ke 0,6580. Perbaikan paling menonjol muncul pada kategori yang semula paling kabur pengenalannya.]]>
Copyrights © 2024
