ANALISIS PERFORMA MODEL BIDIRECTIONAL LONG SHORT-TERM MEMORY (BiLSTM) DALAM ANALISIS SENTIMEN KOMENTAR BERBAHASA MELAYU BENGKULU

Analisis Sentimen merupakan proses pengklasifikasian suatu teks ke dalam kategori
positif, negatif, atau netral. Proses ini dilakukan guna mengetahui pandangan seseorang
terhadap topik dan isu tertentu di masyarakat. Dewasa ini penerapan analisis sentimen
berbasis AI telah banyak digunakan dalam berbagai bahasa besar seperti teknik Deep
Learning dengan permodel Bidirectional Long Short-Term Memory (BiLSTM). Model
ini memiliki keunggulan dimana dapat mengekstrak informasi dari dua arah seara
bersamaan. Namun penerapannya dalam bahasa Melayu Bengkulu masih belum banyak
dieksplorasi. Pada penelitian ini dilakukan pemanfaatan model Bidirectional Long
Short-Term Memory (BiLSTM) dalam melakukan analisis sentimen terhadap dataset
komentar berbahasa Melayu Bengkulu. Penelitian ini menggunakan tiga buah dataset
dengan topik berbeda-beda yang disimpan sebagai dataset Q1, Q2 dan Q3. Proses
Preprocessing data meliputi remove punctuation, case folding, normalization, remove
stopword, stemming, dan tokenization. Pembuatan stopword berbahasa Melayu
Bengkulu menggunakan metode Term Based Random Sampling yang dapat
mengurutkan bobot atau nilai kepentingan term di dalam teks dengan nilai tiga
parameter X, Y,dan Z adalah 40, 30, dan 10. Hasil evaluasi menunjukkan secara
berturut model mampu mencapai akurasi 91%, 85% dan 70% untuk setiap dataset.
Kata kunci: Analisis Sentimen, Kecerdasan Buatan, BiLSTM, Bahasa Melayu
Bengkulu