Sentiment Analysis Komentar Berbahasa Bengkulu Menggunakan Long Short-Term Memory (LSTM)

Abstract

Salah satu jenis informasi yang bisa didapatkan dari media sosial adalah informasi sentimen. Sentimen memiliki arti pendapat dan pandangan masyarakat yang mengandung perasaan di dalamnya. Analisis sentimen dapat digunakan untuk menganalisis nilai sentimen apakah sentimen tersebut merupakan sentimen yang cenderung netral, negatif, atau positif. Pemodelan analisis sentimen untuk berbagai bahasa diperlukan karena setiap bahasa memiliki karakteristik dan keunikannya masing-masing, tidak terkecuali Bahasa Bengkulu. Pemodelan sentimen Bahasa Bengkulu belum tersedia, oleh karena itu pada penelitian ini akan dikembangkan model analisis sentimen Bahasa Bengkulu dengan menerapkan Long Short-Term Memory (LSTM) dan dilakukan eksperimen arsitektur Long Short-Term Memory (LSTM) untuk mendapatkan arsitektur yang menghasilkan nilai terbaik. Data yang digunakan dalam penelitian berjumlah 24.000 komentar berbahasa Bengkulu yang diperoleh dari media sosial Instagram, Twitter, dan Youtube. Penelitian eksperimen 1 menghasilkan nilai akurasi yang paling baik dibandingkan dengan hasil pengujian pada eksperimen lainnya, dengan nilai akurasi sebesar 0,87 dengan presicission bernilai 0,80, recall bernilai 0,82 dan F1-score bernilai 0,81.