Analisis Klasifikasi Sentimen Berbasis Topik pada Ulasan Layanan Dana dan Sakuku dengan Convolutional Neural Network

Abstract

Penelitian terkait text mining, khususnya pada bidang analisis sentimen menjadi sangat populer di era big data. Analisis sentimen memungkinkan seseorang dalam menemukan polaritas dari suatu bank data dan mengklasifikasikan menjadi beberapa bagian. Pada penelitian ini penulis ingin melakukan analisis sentimen terkait ulasan pengguna pada layanan dompet digital Dana dan Sakuku. Peneliti mencoba melakukan pendekatan klasifikasi secara semantik untuk dapat membedakan ulasan positif dan negatif pada kedua layanan dompet digital tersebut menggunakan salah satu algoritma yang popular pada Deep Learning, yaitu Convolutional Neural Network. Tahapan yang dilakukan dalam melakukan analisis ini adalah prepocessing, pengolahan data, klasifikasi dan evaluasi. Hasil dari analisis sentiment ini menunjukkan bahwa pengguna Twitter di Indonesia cenderung memberikan komentar negatif pada kedua platform dompet digital tersebut dengan presentase 66% untuk Dana dan 73% untuk Sakuku. Sedangkan nilai akurasi yang diperoleh pada penelitian ini sebesar 81% dari data pengujian menggunakan algoritma Convolutional Neural Network.