Detail Cantuman

Penelitian ini bertujuan untuk mengklasifikasi emosi dari sebuah teks yang berkaitan dengan kualitas layanan marketplace menggunakan Long Short Term Memory dan GloVe sebagai word embedding. Emosi yang diklasifikasikan terdiri dari enam kelas yaitu senang, antusias, penasaran, apatis, kecewa, dan kesal. Pengujian sistem model LSTM pada skenarionya yang menggunakan parameter terbaik pada model LSTM mendapatkan nilai accuracy 67%, precision 66%, Recall 67% dan F1-Score 65. Dari hasil penelitian ini diharapkan dapat membantu para stakeholder marketplace untuk meningkatkan kualitas layanannya dengan hasil emosi yang didapat dari para penggunanya.