Mengungkap Sentimen Aspek Ulasan Mahasiswa dengan BERT dan Index Generator
Harga : Rp 158.000;
Cetakan 1, Maret 2025
17,6 x 25 cm, x + 157 Halaman
ISBN: 978-623-89804-2-0
Penulis :
Ahmad Jazuli, S.Kom., M.Kom.
Prof. Dr. Widowati, S.Si., M.Si.
Dr. Retno Kusumaningrum, S.Si., M.Kom.
Editor :
Dr. Meisuri, M.A.
Desain Cover :
Riski Prahmana Putra
Buku ini membahas tentang :
Buku ini membahas tentang penerapan kecerdasan buatan dalam analisis sentimen berbasis aspek (ABSA) dengan pendekatan BERT dan algoritma Index Generator untuk mengungkap makna di balik ulasan mahasiswa. Dengan kemajuan teknik machine learning dan pemrosesan bahasa alami, analisis sentimen tidak hanya terbatas pada identifikasi polaritas, tetapi juga mampu memahami aspek-aspek spesifik dalam suatu ulasan. Buku ini memberikan wawasan mendalam mengenai proses ekstraksi informasi dari teks, teknik optimasi model, serta perbandingan berbagai algoritma dalam meningkatkan akurasi analisis. Melalui pendekatan yang sistematis dan berbasis data, buku ini diharapkan menjadi referensi bagi peneliti, akademisi, serta praktisi yang ingin mengeksplorasi lebih jauh implementasi ABSA dalam berbagai domain.
Berikut bab yang akan dibahas pada buku ini :
Bab 1: Optimalisasi Teknik Machine Learning untuk Absa
Bab 2: Evolusi Analisis Sentimen dalam Kecerdasan Buatan
Bab 3: Memahami Analisis Sentimen Berbasis Aspek
Bab 4: Peran Jaringan Saraf dalam Analisis Sentimen Berbasis Aspek
Bab 5: Mengungkap Makna di Balik Data – Peran Text Mining dan Opinion Mining dalam Analisis Sentimen
Bab 6: Pemrosesan Awal dalam Text Mining dan Peran Autoencoder
Bab 7: Bidirectional Encoder Representations for Transformers dan Algoritma Index Generator
Bab 8: Analisis Ulasan Mahasiswa: Sentimen, Aspek, dan Validitas Data
Bab 9: Menemukan Formula Optimal dalam Pelatihan Model Absa
Bab 10: Algoritma Index Generator untuk Sentiment Analisis
Bab 11: Performa Model Tiap Aspek dan Perbandingan Performa Antar Aspek
Bab 12: Kendala Model pada Setiap Aspek dan Implikasi Hasil Terhadap Pengambilan Keputusan
Bab 13: Pengembangan Model Lebih Lanjut
Bab 14: Perbandingan dengan Model Klasifikasi Naïve Bayes Classifier, Algoritma K-Nearest Neighbors, Algoritma Decision Tree
Bab 15: Hasil Akhir Perbandingan Algoritma, Peningkatan Model Absa dan Akurasi Model Tiap Aspek