ANALISIS SENTIMEN UMUM BERBAHASA INDONESIA MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM)

Analisis sentimen adalah proses mengevaluasi opini atau perasaan dari teks, seperti
tweet, ulasan produk, atau komentar. Dalam makalah ini ada 3 dataset yang di ambil
dari website dan Twitter dan diklasifikasikan menjadi 3 (positif, negatif, atau netral)
dengan menggunakan Lexicon Based yaitu InSet Lexicon. Dataset tersebut tidak
menjelaskan suatu produk tertentu sehingga kata kunci yang digunakan untuk
mendapatkan dataset adalah kata kunci umum seperti “adalah”, “yaitu”, “seperti”
dan “juga”. Word Embedding yang digunakan Word2vec, TF-IDF. Penulis juga
menggunakan beberapa teknik penyeimbangan dan tidak keseimbangan data.
Algoritma yang digunakan adalah Long Short-Term Memory (LSTM) dan
Bidirectional Long-Short Term Memory (BiLSTM). Hasilnya tersebut
dikomparasikan dengan algoritme machine learning konvensional yaitu Support
Vector Machine(SVM) dan Naïve Bayes(NB). Hasil akurasi LSTM dan BiLSTM
diperoleh sebesar 86% dan setelah dilakukan fine-tuning diperoleh akurasi sebesar
91%. Sedangkan SVM menghasilkan akurasi sebesar 85% dan Naive bayes
menghasilkan akurasi sebesar 72%. Hasil yang lebih rinci akan dilampirkan dalam
bentuk Confusion Matrix dan laporan klasifikasi.
Kata Kunci: Analisis Sentimen; Studi Banding; InSet Lexicon; Word Embedding;
LSTM; Machine Learning Konvensional; Fine-tuning.