ANALISIS SENTIMEN PADA ULASAN APLIKASI JAKARTANOTEBOOK DI GOOGLE PLAY MENGGUNAKAN METODE RECURRENT NEURAL NETWORK (RNN)

Abstract

Perkembangan aplikasi digital menyulitkan konsumen dalam memilih aplikasi terbaik. Laporan e-Conomy Asia Tenggara mencatat penambahan 40 juta pengguna internet baru pada tahun 2021, dan sekitar 80% dari pengguna tersebut telah berbelanja daring. JakartaNotebook, perusahaan e-commerce terbesar, mulanya berfokus pada teknologi, kini menyediakan produk beragam dan melayani jutaan pelanggan di Indonesia. Pada aplikasi JakartaNotebook terdapat fitur ulasan yang berguna sebagai bahan evaluasi guna meningkatkan kualitas aplikasi dengan mempertimbangkan masukan dari pengguna. Untuk memudahkan pengelolaan data ulasan, penelitian ini menerapkan analisis sentimen, sebuah metode otomatis untuk memahami dan mengolah data tekstual, termasuk opini terhadap produk atau layanan. Analisis sentimen dilakukan dengan menggunakan metode Recurrent Neural Network (RNN) dengan Long Short Term Memory (LSTM). Komentar akan diidentifikasi apakah komentar memiliki sentimen positif atau negatif. Penelitian dilakukan menggunakan 1655 ulasan yang diproses dalam beberapa tahapan preprocessing yang selanjutnya diimplementasikan dalam analisis sentimen menggunakan model LSTM. Model yang dibentuk merupakan hasil dari pelatihan dengan menggunakan parameter terbaik diantaranya adalah jumlah neuron 200, fungsi aktivasi softmax, ukuran batch size 32 dengan nilai akurasi 89.15% dan nilai loss 26.83%. Hasil pengujian terbaik dari metode RNN dengan partisi data 80% data latih dan 20% menghasilkan tingkat nilai akurasi sebesar 88,3%, precision 75%, recall 78%, f1-score 76%.