Text
Analisis Sentimen Ulasan Berbahasa Indonesia pada Access by KAI Menggunakan Fast Text Word Embedding dan Long Short Term Memory (LSTM)
PT. Kereta Api Indonesia (KAI) adalah salah satu Badan Usaha Milik Negara (BUMN)
terbesar di Indonesia. Tentunya PT KAI terus mengembangkan diri mengikuti
perkembangan jaman, yaitu dengan mengembangkan aplikasi e-ticketing. Kini nama
aplikasi telah berganti, dari KAI Access menjadi Access by KAI. Tentunya aplikasi ini
memiliki pro dan contra dalam peggunaannya. Oleh karena itu, ulasan yang diberikan oleh
pengguna adalah sumber yang sangat berguna untuk memperbaiki maupun mengembangkan
aplikasi. Pendapat user Access by KAI dapat disampaikan masyarakat melalui review pada
aplikasi Google Play. Untuk dapat mengelompokkan ulasan ke dalam beberapa kategori,
peneliti mengusulkan sebuah analisis sentimen ulasan berbahasa Indonesia pada Access by
KAI menggunakan FastText word embedding dan Long Short Term Memory (LSTM).
LSTM dapat mempertahankan urutan kata (word sequence) dan cenderung mampu
memahami semantik kalimat secara keseluruhan sehingga cocok untuk klasifikasi teks.
Tahap pembuatan model terdiri atas preprocessing, vektorisasi kata dengan FastText,
pelatihan model LSTM, dan evaluasi model. Tentunya parameter dari LSTM diuji lebih
dahulu dengan skenario untuk membandingkan nilai f1. Kombinasi parameter yang
didapatkan setelah melakukan beberapa skenario yang menghasilkan f1-score terbaik adalah
parameter dropout, batch size, dan learning rate dengan nilai 0,5; 16; dan 0,01. Hasil
evaluasi dengan parameter terbaik menunjukkan nilai akurasi, presisi, recall, f1-score dan
loss berturut-turut sebesar 87,2%; 88,5%; 84,5%; 86,4%; dan 33,4%.
Kata kunci : Access by KAI, Analisis Sentimen, FastText Word Embedding, Long Short
Term Memory (LSTM)
| 1255 F 2024 | 1255 F 2024 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain