Rekomendasi Kendaraan Roda 4 Berdasarkan Tweet Customer Menggunakan Word2Vec

Iwan Syarif(1), Rengga Asmara(2*), Bagas Dewangkara(3)

(1) Politeknik Elektronika Negeri Surabaya
(2) Politeknik Elektronika Negeri Surabaya
(3) Politeknik Elektronika Negeri Surabaya
(*) Corresponding Author

Abstract


Penelitian ini mempersembahkan sebuah algoritma untuk menentukan rekomendasi kendarran roda 4 yang cocok untuk dijual ke masyarakat sesuai dengan keinginan pasar di sosial media. Melalui algoritma yang telah dibangun, produsen mobil dapat mengetahui apa yang sedang marak dibicarakan oleh masyarakat di sosial media Twitter, dan akan membantu sang produsen untuk menentukan produk mana yang lebih efektif untuk dipromosikan. Penulis menggunakan algoritma Word2Vec untuk membangun sebuah ruang vektor yang berisikan kata-kata yang diperbincangkan oleh warganet, lalu melihat koneksi dari setiap kata-kata yang ada. Setelah itu penulis mencari kecocokan antara beberapa dataset produk yang akan dipromosikan dengan tweet-tweet yang membahas produk tersebut. Dari hasil itu penulis dapat menentukan sekiranya produk manakah yang tengah hangat di mata warganet dan dapat dipromosikan lebih lanjut. Algoritma ini telah diimplementasikan menggunakan data Twitter pengikut akun produsen mobil yang ada di Indonesia, dan telah memproses lebih dari 200.000 tweet

Article metrics

Abstract views : 24 | views : 4

Full Text:

PDF (Bahasa Indonesia)

References


Doshi, Zeel, et al, “TweetAnalyzer: Twitter Trend Detection and Visualization”, 2017.

S.B.Japali, "Product Recommendation for the Day using Fuzzy c-means and Association Rule Generator in KNIME", 2017.

V. M, "User Specific Product Recommendation and Rating System by Performing Sentiment Analysis on Product Reviews," 2017.

Zhang, Jinming et al, “Combining Sentiment Analysis with a Fuzzy Kano Model for Product Aspect Preference Recommendation”, 2017

Janjarassuk,Udon, “Product recommendation based on genetic algorithm”, 2019

Mikolov, Thomas, et al, “Efficient Estimation of Word Representations in Vector Space”, 2013

Mikolov, Thomas, et al, “Distributed Representations of Words and Phrases and their Compositionality”, 2013

Y. Goldberg and O. Levy, "Word2Vec Explained: Deriving Mikolov et al's Negative Sampling Word Embedding Method," 2014.

Le, Thu Anh, “An Exploration of the Word2Vec Algorithm: Creating a Vector Representation of a Language Vocabulary that Encodes Meaning and Usage Patterns in the Vector Space Structure”, 2016

McCormick, Chris, “Word2Vec Tutorial – The Skip-Gram Model”, 2016




DOI: https://doi.org/10.35314/isi.v5i1.1096

Refbacks

  • There are currently no refbacks.




Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


This Journal has been listed and indexed in :

Find in a library with WorldCat Find in a library with WorldCat

Copyright of Jurnal Inovtek Polbeng - Seri Informatika (ISSN: 2527-9866)

Creative Commons License
ISI: Inovtek Polbeng Seri Informatikan is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Editorial Office :
Pusat Penelitian dan Pengabdian kepada Masyarakat
 Politeknik Negeri Bengkalis 
Jl. Bathin alam, Sungai Alam Bengkalis-Riau 28711 
E-mail: jurnalinformatika@polbeng.ac.id
www.polbeng.ac.id

Web
Analytics
View My Stats