Analisis Sentimen Berbasis Aspek Terhadap Ulasan Aplikasi Market Place Menggunakan Bidirectional Long Short-Term Memory

Aspect Based Sentiment Analysis (ABSA) merupakan salah satu dari tiga tingkat kedetailan pada analisis sentimen yang membantu memahami permasalahan pada analisis sentimen lebih baik dan memberikan peluang yang lebih baik dalam menganalisis sentimen karena ABSA menganalisis langsung dengan melihat dan menyadari pentingnya target dari opini. Beberapa penelitian dengan LSTM mendapatkan akurasi yang cukup baik, tetapi LSTM tidak dapat menangkap context semantic information, dikarenakan informasi hanya ditransmisikan dari past to future, solusinya adalah menggunakan algoritma Bi-LSTM, karena Bi-LSTM mampu menangani permasalahan pada LSTM yakni menangkap context semantic information lebih efektif dari dua arah (past to future & future to past) serta mendapatkan lebih baik representasi teks dari sentimen. Tujuan penelitian ini mengetahui performansi metode Bidirectional Long Short-Term Memory pada Analisis Sentimen Berbasis Aspek terhadap ulasan aplikasi Marketplace. Data masukkan dilakukan preprocessing dan word embedding dengan Word2Vec Continuous Bag of Words. Data yang digunakan dalam pelatihan berjumlah 2250 sementara dalam pengujian berjumlah 750. Hasil pengujian menghasilkan akurasi tertinggi yaitu aspek Kebermanfaatan sebesar 92.40%. Sementara akurasi terendah yaitu aspek Non Aspek sebesar 65.07%, precision terbesar 93.58%, recall terbesar 97.92% dan f1-score terbesar 95.70%. Dengan Random Over Sampling mendapatkan akurasi terbesar yaitu 96.39% untuk aspek Kebermanfaatan dan akurasi terendah 86.26% untuk aspek Non Aspek.