SENTIMENT ANALYSIS KOMENTAR BERBAHASA BENGKULU MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM)

Informasi di media sosial berputar dengan cepat dan beragam, salah
satu jenis informasi yang bisa didapatkan dari media sosial adalah berupa
informasi sentimen. Sentimen memiliki arti pendapat, opini, dan pandangan
masyarakat yang mengandung emosi atau perasaan di dalamnya. Analisis
sentimen dapat digunakan untuk menganalisis nilai sentimen apakah
sentimen tersebut merupakan sentimen yang cenderung netral, negatif, atau
positif. Pemodelan analisis sentimen untuk berbagai bahasa diperlukan
karena setiap bahasa memiliki karakteristik dan keunikannya masing�masing, tidak terkecuali Bahasa Bengkulu. Pemodelan sentimen Bahasa
Bengkulu belum tersedia, oleh karena itu pada penelitian ini akan
dikembangkan model analisis sentimen Bahasa Bengkulu dengan
menerapkan Long Short-Term Memory (LSTM). Selain itu, dilakukan
eksperimen terhadap arsitektur Long Short-Term Memory (LSTM) untuk
mengetahui arsitektur mana yang menghasilkan nilai terbaik dalam model
analisis sentimen bahasa Bengkulu. Data yang digunakan dalam penelitian
ini berjumlah 24.000 komentar berbahasa Bengkulu yang diperoleh dari
media sosial Instagram, Twitter, dan Youtube. Penelitian pada eksperimen
1 menghasilkan nilai akurasi yang paling baik dibandingkan dengan hasil
pengujian pada eksperimen lainnya, sehingga eksperimen 1 yang akan
dijadikan model sentimen pada penelitian ini dengan hasil pengujian pada
confussion matrix menghasilkan nilai tingkat akurasi sebesar 0,87 dengan
presicission bernilai 0,80, recall bernilai 0,82 dan F1-score bernilai 0,81.
Kata Kunci: Informasi, sentimen, Long Short-Term Memory (LSTM),
Bahasa Bengkulu, arsitektur, media sosial.