Analisis Sentimen Berdasarkan Aspek Menggunakan Elman Recurrent Neural Network Dengan Word Embedding

Analisis sentimen berdasarkan aspek (ASBA) adalah salah satu bidang dalam opinion mining yang bertujuan untuk mendeteksi polaritas teks tertulis berdasarkan aspek-aspek tertentu. Analisis sentimen pada level aspek menunjukkan kinerja yang lebih baik daripada level dokumen dan level kalimat. Pada kasus ASBA menggunakan arsitektur Elman RNN dengan menerapkan teknik one hot encoding sebagai vektorisasi token, dapat menyebabkan dimensi vektor yang dihasilkan besar jika terdapat banyak token kata, serta rata - rata akurasi yang dihasilkan sebesar 81%, yang selanjutnya dapat meningkatkan nilai akurasi. Tujuan dari penelitian ini adalah untuk menentukan nilai Elman RNN yang tepat pada kasus ASBA dengan penggunaan word embedding FastText. Sebelum melakukan pelatihan, data input berupa review restoran dalam bahasa Indonesia telah melalui pre-processing antara lain case folding, filtering, word normalization, tokenization, stopwords removal, dan word embedding. Selama pelatihan, 1584 kalimat dari ulasan restoran dalam bahasa Indonesia digunakan. Pengujian dilakukan terhadap data uji sejumlah 422 kalimat. Dalam tahap vektorisasi, word embedding FastText dan one hot encoding menghasilkan kinerja yang sebanding dimana parameter yang digunakan 0.05 untuk learning rate, 32 untuk hidden size, 256 untuk minibatch, dan epoch 100 dalam elman recurrent neural network, dengan akurasi yang dihasilkan sebesar 82.94% dan f1 score sebesar 74.84%.