ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN PLATFORM RUANGGURU MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM)

APRIZA, DELTA (2026) ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN PLATFORM RUANGGURU MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM). Other thesis, UNIVERSITAS BINA DARMA.

	Text (BAB 0) BAB 0.pdf Download (1MB)
	Text (BAB 1) BAB 1.pdf Download (658kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Download (621kB)
	Text (FULL BAB) FULL BAB.pdf Download (4MB)

Abstract

Platform pembelajaran daring Ruangguru menerima berbagai ulasan dari pengguna yang memuat opini terhadap beragam aspek layanan. Penelitian ini bertujuan untuk menerapkan analisis sentimen berbasis aspek pada ulasan platform Ruangguru menggunakan metode Long Short-Term Memory (LSTM). Tahapan penelitian meliputi pengumpulan data ulasan, pra-pemrosesan teks, ekstraksi aspek menggunakan Latent Dirichlet Allocation (LDA) dengan penentuan jumlah topik optimal berdasarkan nilai coherence score, serta pelabelan sentimen otomatis menggunakan model mBERT dan IndoBERT. Model LSTM dilatih menggunakan dua skenario, yaitu penggabungan seluruh aspek dalam satu model dan pelatihan terpisah untuk setiap aspek. Evaluasi kinerja model dilakukan menggunakan confusion matrix untuk menganalisis kemampuan klasifikasi sentimen positif, netral, dan negatif, serta menghitung nilai akurasi, precision, recall, dan F1-score. Hasil menunjukkan bahwa pelatihan gabungan seluruh aspek menghasilkan performa yang lebih stabil dan konsisten karena didukung jumlah data yang lebih besar dan distribusi sentimen yang lebih beragam. Sebaliknya, pelatihan terpisah per aspek cenderung bias terhadap kelas dominan akibat ketidakseimbangan distribusi data, sehingga menurunkan kemampuan generalisasi model. Selain itu, metode pelabelan otomatis berpengaruh signifikan terhadap performa LSTM. Penggunaan label mBERT menghasilkan akurasi dan konsistensi klasifikasi yang lebih tinggi dibandingkan IndoBERT.

Actions (login required)

View Item