Life cycle assessment; CO2 Emissions; Energy Efficiency; Veneer Wood; Sustainable Industry. Life cycle assessment; CO2 Emissions; Energy Efficiency; Veneer Wood; Sustainable Industry. Klasifikasi aspek ulasan pelanggan restoran di Indonesia menggunakan Neural Network

ABSTRAK:

Industri kuliner di Indonesia terus berkembang, sehingga jumlah ulasan pelanggan terhadap restoran pun meningkat. Ulasan-ulasan tersebut dapat dimanfaatkan untuk mengetahui aspek-aspek yang dinilai oleh pelanggan, namun masih sedikit penelitian yang secara khusus mengklasifikasikan ulasan berdasarkan aspek tertentu. Penelitian ini bertujuan untuk membangun model klasifikasi aspek ulasan pelanggan restoran di Indonesia menggunakan metode Neural Network. Data ulasan diolah melalui proses preprocessing dan kemudian diubah menjadi representasi numerik menggunakan Word2Vec Skip-Gram. Penelitian ini mengukur efektivitas Neural Network dalam mengklasifikasikan ulasan ke dalam 3 aspek utama, yaitu kualitas pelayanan, makanan, dan suasana. Pengujian dilakukan terhadap 9 skenario model dengan kombinasi jumlah node pada hidden layer 1 dan nilai learning rate yang berbeda. Hasil pengujian menunjukkan bahwa model Q1 dengan 50 node dan learning rate 0,1 menghasilkan akurasi tertinggi sebesar 91,71% pada data testing. Sementara itu, evaluasi menggunakan 10-fold cross validation terhadap seluruh model menunjukkan bahwa model Q3 dengan 50 node dan learning rate 0,001 memperoleh rata-rata akurasi tertinggi sebesar 84,77% dan menunjukkan performa yang stabil. Hasil penelitian ini membuktikan bahwa metode Neural Network dengan pengaturan hyperparameter yang tepat efektif dalam mengklasifikasikan aspek ulasan pelanggan restoran secara akurat dan konsisten.

ABSTRACT:

The culinary industry in Indonesia continues to grow, resulting in an increasing number of customer reviews of restaurants. These reviews can be utilized to find out the aspects assessed by customers, but there are still few studies that specifically classify reviews based on certain specified aspects. This study aims to build a classification model of aspects of restaurant customer reviews in Indonesia using the Neural Network method. The review data is processed through preprocessing and then converted into numerical representation using Word2Vec Skip-Gram. This research quantifies the effectiveness of Neural Networks in classifying reviews into three main aspects, namely service quality, food, and atmosphere. Tests were conducted on 9 model scenarios with a combined number of nodes in hidden layer 1 and different learning rate values. The test results show that the Q1 model with 50 nodes and a learning rate of 0.1 produces the highest accuracy of 91.71% on the testing data. Meanwhile, evaluation using 10-fold cross-validation of all models showed that model Q3 using 50 nodes and learning rate 0. 001 obtained the highest average accuracy of 84.77% and showed stable performance. The results of this study prove that the Neural Network method with the correct hyperparameter settings is effective in classifying aspects of restaurant customer reviews accurately and consistently.

مستخلص البحث:

تستمر صناعة الطهي في إندونيسيا في النمو، مما يؤدي إلى زيادة عدد مراجعات العملاء للمطاعم. يمكن الاستفادة من هذه المراجعات لمعرفة الجوانب التي يقيمها العملاء، ولكن لا يزال هناك عدد قليل من الدراسات التي تصنف المراجعات على وجه التحديد بناءً على جوانب معينة محددة. تهدف هذه الدراسة إلى بناء نموذج تصنيف لجوانب مراجعات عملاء المطاعم في إندونيسيا باستخدام طريقة الشبكة العصبية. تتم معالجة بيانات المراجعات من خلال المعالجة المسبقة ثم يتم تحويلها إلى تمثيل رقمي باستخدام Word2Vec Skip-Gram. يقيس هذا البحث فعالية الشبكات العصبية في تصنيف المراجعات إلى ثلاثة جوانب رئيسية، وهي جودة الخدمة والطعام والجو العام. أُجريت الاختبارات على 9 سيناريوهات للنموذج مع عدد مشترك من العقد في الطبقة المخفية 1 وقيم مختلفة لمعدل التعلم. تُظهر نتائج الاختبار أن نموذج Q1 الذي يحتوي على 50 عقدة ومعدل تعلم 0.1 ينتج أعلى دقة بنسبة 91.71% على بيانات الاختبار. وفي الوقت نفسه، أظهر التقييم باستخدام 10 أضعاف التحقق التبادلي لجميع النماذج أن النموذج Q3 باستخدام 50 عقدة ومعدل تعلم 0.001 حصل على أعلى متوسط دقة بنسبة 84.77% وأظهر أداءً مستقرًا. وتثبت نتائج هذه الدراسة أن طريقة الشبكة العصبية مع إعدادات المعلمة الفائقة الصحيحة فعالة في تصنيف جوانب مراجعات عملاء المطاعم بدقة واتساق.