Long Short-Term Memory dan Lexicon Based Untuk Analisis Sentimen Ulasan Aplikasi TikTok
:
https://doi.org/10.32409/jikstik.23.2.3579
Keywords:
Analisis Sentimen, Long Short-Term Memory, Lexicon Based, Google PlaystoreAbstract
Aplikasi TikTok menjadi salah satu aplikasi yang paling banyak di unduh yaitu lebih dari 1 miliar unduhan pada Google Playstore. Sebuah analisis sentimen diperlukan untuk mengetahui opini pengguna mengenai kepuasan pengguna dalam menggunakan aplikasi TikTok. Tahapan proses analisis sentimen dimulai dengan pengambilan data (crawling), text pre-processing, klasifikasi sentimen serta penyusunan hasil analisis sentimen. Hasil dari tahap text pre-processing yang diperoleh, dilakukan penentuan sentimen awal dengan menggunakan metode Lexicon Based dengan perhitungan otomatis. Selanjutnya dilakukan pembagian data menjadi data training dan data testing untuk mendapatkan model yang optimal dan memprediksi sentimen dengan model Long Short-Term Memory (LSTM). Pada penelitian ini ulasan dari sistem analisis sentimen dengan metode LSTM akurasi yang didapatkan sebesar 90,05%, precision 92,14%, recall 97,35%, dan F-1 Score 98,66%, ulasan positif 30,0%, ulasan negatif 59,5%, dan ulasan netral 10,5%. Hasil analisis sentimen pada penelitian ini menunjukkan bahwa aplikasi TikTok memiliki kecenderungan sentimen negatif pada saat data ulasan diambil.Downloads
References
A. Mounika and S. Saraswathi, “Classification Of Book Reviews Based On Statement Analysis: A Survey,” Int. J. Res. Anal, vol. 6, pp. 150–155, 2019.
P. S. M. Suryani, L. Linawati, and K. O. Saputra, “Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Facebook Berbahasa Indonesia,” Maj. Ilm. Teknol. Elektro, vol. 18, no. 1, p. 145, 2019, doi: 10.24843/mite.2019.v18i01.p22.
D. A. Chontina Siahaan, Abdiel Putra Laia, “Studi Literatur: Media Sosial ‘Tiktok’ Dan Pembentukan Karakter Remaja,” Syntax Lit. J. Ilm. Indones., vol. 7, no. 4, pp. 4939–4950, 2022.
A. Faadilah, “Analisis Sentimen Pada Ulasan Aplikasi Tokopedia di Google Play Store Menggunakan Metode Long Short Term Memory,” pp. 1–46, 2020.
M. A. Nurrohmat and A. SN, “Sentiment Analysis of Novel Review Using Long Short-Term Memory Method,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 13, no. 3, p. 209, 2019, doi: 10.22146/ijccs.41236.
M. Z. Rahman, Y. A. Sari, and N. Yudistira, “Analisis Sentimen Tweet COVID-19 menggunakan Word Embedding dan Metode Long Short-Term Memory (LSTM),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 11, pp. 5120–5127, 2021, [Online]. Available: http://j-ptiik.ub.ac.id
R. Cartwright, “Book Reviews: Book Reviews,” Perspect. Public Health, vol. 130, no. 5, pp. 239–239, 2010, doi: 10.1177/1757913910379198.
M. A. Furqon, D. Hermansyah, R. Sari, A. Sukma, Y. Akbar, and N. A. Rakhmawati, “Analisis Jenis Posting Media Sosial Pemerintah Daerah Di Indonesia Berdasarkan Like Dan Analisis Sentimental Masyarakat,” J. Sosioteknologi, vol. 17, no. 2, p. 177, 2018, doi: 10.5614/sostek.itbj.2018.17.2.1.
R. A. S. Nurillah, M. Imrona, and A. Alamsyah, “Prediksi Pola Penyebaran Penyakit DBD di Kota Pagar Alam Menggunakan Long Short Term Memory (LSTM),” vol. 8, no. 1, pp. 867–882, 2021.
M. S. Wibawa, “Pengaruh Fungsi Aktivasi, Optimisasi dan Jumlah Epoch Terhadap Performa Jaringan Saraf Tiruan,” J. Sist. dan Inform., vol. 11, no. December, pp. 167–174, 2017, doi: 10.13140/RG.2.2.21139.94241.
A. T. J. H, “Preprocessing Text untuk Meminimalisir Kata yang Tidak Berarti dalam Proses Text Mining,” pp. 1–9.
W. W. Ariestya, I. Astuti, and I. M. Wiryana, “Preprocessing for crawler of short message social media,” Proc. 3rd Int. Conf. Informatics Comput. ICIC 2018, pp. 1–6, 2018, doi: 10.1109/IAC.2018.8780451.
B. Nazief and M. Adriani, “Confix Stripping: Approach to Stemming Algorithm for Bahasa Indonesia,” University of Indonesia, Depok, 1996.
K. S. Nugroho, “Confusion matrix untuk evaluasi model pada supervised learning,” 2019. https://ksnugroho.medium.com/confusion-matrix-untuk-evaluasi-model-pada-unsupervised-machine-learning-bc4b1ae9ae3f.
N. Wanaspati, S. Anraeni, and H. Darwis, “Support Vector Machine untuk Analisis Sentimen Masyarakat Terhadap Penggunaan Antibiotik di Indonesia,” Indones. J. Comput. Sci., vol. 12, no. 4, pp. 2196–2206, 2023, doi: 10.33022/ijcs.v12i4.3320..
Downloads
Published
How to Cite
Issue
Section
Categories
Abstract View: 0 times
