Analisis Sentimen Berbasis Aspek Terhadap Performa Tim Sepak Bola Indonesia U-17 Menggunakan Long Short-Term Memory (Lstm)

Analisis sentimen berbasis aspek merupakan metode penting dalam memahami persepsi publik, terutama terkait performa tim sepak bola Indonesia U-17 yang mengikuti Piala Dunia. Penelitian ini menggunakan model Long Short-Term Memory (LSTM) yang dikombinasikan dengan Word2Vec Continuous Bag of Words (CBOW) untuk klasifikasi aspek dan sentimen dalam teks. Untuk mengatasi ketidakseimbangan data, diterapkan teknik Synthetic Minority Over-sampling Technique (SMOTE). Dua algoritma optimasi, yaitu Adam dan RMSprop, digunakan untuk mengevaluasi performa model. Hasil penelitian menunjukkan bahwa model LSTM dengan optimasi Adam mencapai akurasi klasifikasi aspek terbaik sebesar 45,58%, presisi 34,64%, recall 45,58%, dan F1-score 35,43%. Sedangkan untuk klasifikasi sentimen, dengan menggunakan optimasi RMSprop memberikan akurasi terbaik sebesar 81,63%, presisi 81,42%, recall 81,63%, dan F1-score 81,49%. Hasil ini menunjukkan bahwa pemilihan algoritma optimasi dan penggunaan teknik SMOTE memainkan peran penting dalam menentukan performa model, dengan optimasi RMSprop secara signifikan meningkatkan akurasi dan F1-score untuk klasifikasi sentimen, namun mengakibatkan penurunan akurasi dan F1-score pada klasifikasi aspek.