ANALISIS SENTIMEN BERBASIS ASPEK PADA KANDIDAT CALON PRESIDEN INDONESIA MENGGUNAKAN WORD EMBEDDING DAN LSTM

• ARIFIN NUGROHO
• 14002306

---

ABSTRAK

ABSTRAK

 

 

 

Nama               : Arifin Nugroho

NIM                : 14002306

Program Studi : Ilmu Komputer

Jenjang            : Strata Dua (S2)

Konsentrasi     : Data Mining

Judul               :“Analisis Sentimen Berbasis Aspek pada Kandidat Calon Presiden Indonesia menggunakan Word Embedding dan LSTM”

 

 

Salah satu media yang sering digunakan dalam berkomunikasi adalah media sosial. Media sosial ini merubah komunikasi konvensional di seluruh dunia. Sekitar 20% pengguna media sosial senang tentang berita dan diskusi politik.  Media sosial seperti facebook, twitter, youtube, instagram, whatsapp, dan lainnya dapat dimanfaatkan oleh komunikator politik untuk berkomunikasi dengan khalayak. Opini publik pada media sosial ini dapat dianalisa untuk menentukan sentimen, sikap dan emosi para pemberi opini terhadap tokoh politik yang bersangkutan. Analisis sentimen berbasis aspek/Aspect-based sentiment analysis (ABSA) adalah metode penambangan teks yang menyusun teks menjadi target dan aspek kemudian memberi label masing-masing polaritas sentimen. Ini berbeda dari analisis sentimen biasa yang hanya mengenali polaritas teks secara keseluruhan. ABSA dapat membantu organisasi menjadi customer-centric. Dataset yang dipakai pada penelitian ini adalah dataset hasil kumpulan data tweet dari media sosial twitter antara Agustus 2018 dan Mei 2019 pada platform Kognitif Media. Dalam penelitian ini adalah melanjutkan penelitian sebelumnya yaitu melakukan ABSA terhadap dataset tweet pemilihan presiden 2019 dengan melakukan preprocessing data, word embedding, deep learning (LSTM) dan hyperparameter apa saja yang dapat memberikan hasil dan performa yang optimal. Hasil yang didapat pada penelitan ini adalah akurasi klasifikasi ABSA sebesar 83,2% lebih besar 15,4% dibandingkan dengan penelitian sebelumnya yaitu sebesar 67,8% akurasi.

 

Kata Kunci : Aspect-Based Sentiment Analysis, word embedding, GloVe, LSTM, twitter.

KATA KUNCI

Data Mining

---

DAFTAR PUSTAKA

DAFTAR REFERENSI

 

[1]      E. D. S. Watie, “Komunikasi dan Media Sosial (Communications and Social Media),” J. Messenger, 2016, doi: 10.26623/themessenger.v3i2.270.

[2]      A. C. Sari and R. Hartina, “Komunikasi dan Media Sosial,” J. Messenger, 2016.

[3]      M. Duggan and A. Smith, “The Political Environment on Social Media,” Pew Research Center, p. 39, Oct-2016.

[4]      H. F. Siagian, “Pengaruh dan Efektivitas Penggunaan Media Sosial Sebagai Saluran Komunikasi Politik Dalam Membentuk Opini Publik,” Al-Khitabah, 2015.

[5]      F. Anshari, “KOMUNIKASI POLITIK DI ERA MEDIA SOSIAL,” J. Komun., 2013, doi: 10.20885/komunikasi.vol8.iss1.art7.

[6]      B. Liu, “Sentiment analysis and opinion mining,” Synth. Lect. Hum. Lang. Technol., 2012, doi: 10.2200/S00416ED1V01Y201204HLT016.

[7]      L. P. Manik et al., “Aspect-Based Sentiment Analysis on Candidate Character Traits in Indonesian Presidential Election,” in Proceeding - 2020 International Conference on Radar, Antenna, Microwave, Electronics and Telecommunications, ICRAMET 2020, 2020, doi: 10.1109/ICRAMET51080.2020.9298595.

[8]      P. B. Putera, L. P. Manik, Y. Rianto, A. A. Sari, and R. Sadikin, “How indonesia uses big data ‘indonesian one data’ for the future of policy making,” Int. J. Adv. Sci. Technol., 2020.

[9]      L. D. Mahbubah et al., “Analisa Sentimen Twitter pada Pilpres 2019 Menggunakan,” Sintak, 2019.

[10]    S. N. J. Fitriyyah, N. Safriadi, and E. E. Pratama, “Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes,” J. Edukasi dan Penelit. Inform., 2019, doi: 10.26418/jp.v5i3.34368.

[11]    K. Hulliyah, N. S. A. A. Bakar, A. R. Ismail, and M. O. Pratama, “A Benchmark of Modeling for Sentiment Analysis of the Indonesian Presidential Election in 2019,” in 2019 7th International Conference on Cyber and IT Service Management, CITSM 2019, 2019, doi: 10.1109/CITSM47753.2019.8965387.

[12]    Y. Wang, M. Huang, L. Zhao, and X. Zhu, “Attention-based LSTM for aspect-level sentiment classification,” in EMNLP 2016 - Conference on Empirical Methods in Natural Language Processing, Proceedings, 2016, doi: 10.18653/v1/d16-1058.

[13]    I. H. Witten, E. Frank, M. A. Hall, and C. J. Pal, Data Mining: Practical Machine Learning Tools and Techniques. 2016.

[14]    E. Turban, J. E. Aronson, and T.-P. Liang, “Decision Support Systems and Business Intelligence,” Decis. Support Bus. Intell. Syst. 7/E, 2007.

[15]    M. S. Mustafa, M. R. Ramadhan, and A. P. Thenata, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,” Creat. Inf. Technol. J., 2018, doi: 10.24076/citec.2017v4i2.106.

[16]    E. D. Sikumbang, Penerapan Data Mining Penjualan Sepatu Menggunakan Metode Algoritma Apriori. 2018.

[17]    A. Saifudin, “Metode Data Mining untuk Seleksi Calon Mahasiswa pada Penerimaan Mahasiswa Baru Di Universitas Pamulang,” J. Teknol., 2018.

[18]    D. T. Larose, Discovering Knowledge in Data: An Introduction to Data Mining. 2005.

[19]    H. D. Wijaya and S. Dwiasnati, “Implementasi Data Mining dengan Algoritma Naïve Bayes pada Penjualan Obat,” J. Inform., 2020, doi: 10.31311/ji.v7i1.6203.

[20]    I. I. P. Damanik, S. Solikhun, I. S. Saragih, I. Parlina, D. Suhendro, and A. Wanto, “Algoritma K-Medoids untuk Mengelompokkan Desa yang Memiliki Fasilitas Sekolah di Indonesia,” Pros. Semin. Nas. Ris. Inf. Sci., 2019, doi: 10.30645/senaris.v1i0.58.

[21]    D. S. O. Panggabean, E. Buulolo, and N. Silalahi, “Penerapan Data Mining Untuk Memprediksi Pemesanan Bibit Pohon Dengan Regresi Linear Berganda,” JURIKOM (Jurnal Ris. Komputer), 2020, doi: 10.30865/jurikom.v7i1.1947.

[22]    M. Idris, “Implementasi Data Mining Dengan Algoritma Naive Bayes Untuk Memprediksi Angka Kelahiran,” J. Pelita Inform., 2019.

[23]    R. Feldman and J. Sanger, The Text Mining Handbook. 2006.

[24]    F. Nurhuda, S. Widya Sihwi, and A. Doewes, “Analisis Sentimen Masyarakat terhadap Calon Presiden Indonesia 2014 berdasarkan Opini dari Twitter Menggunakan Metode Naive Bayes Classifier,” J. Teknol. Inf. ITSmart, 2016, doi: 10.20961/its.v2i2.630.

[25]    R. Feldman, J. Sanger, R. Feldman, and J. Sanger, “Introduction to Text Mining,” in The Text Mining Handbook, 2009.

[26]    Y. Goldberg, “Neural Network Methods for Natural Language Processing,” Synth. Lect. Hum. Lang. Technol., 2017, doi: 10.2200/S00762ED1V01Y201703HLT037.

[27]    Y. Bengio, R. Ducharme, P. Vincent, and C. Jauvin, “A Neural Probabilistic Language Model,” in Journal of Machine Learning Research, 2003, doi: 10.1162/153244303322533223.

[28]    A. Zheng and A. Casari, Feature engineering for machine learning. 2018.

[29]    T. Mikolov, K. Chen, G. Corrado, and J. Dean, “Efficient estimation of word representations in vector space,” in 1st International Conference on Learning Representations, ICLR 2013 - Workshop Track Proceedings, 2013.

[30]    J. Pennington, R. Socher, and C. D. Manning, “GloVe: Global vectors for word representation,” in EMNLP 2014 - 2014 Conference on Empirical Methods in Natural Language Processing, Proceedings of the Conference, 2014, doi: 10.3115/v1/d14-1162.

[31]    S. Hochreiter and J. Schmidhuber, “Long Short-Term Memory,” Neural Comput., 1997, doi: 10.1162/neco.1997.9.8.1735.

[32]    N. K. Manaswi, Deep Learning with Applications Using Python. 2018.

[33]    A. Saxena and T. R. Sukumar, “Predicting bitcoin price using lstm And Compare its predictability with arima model 1,” Int. Journa Pure Appl. Math., 2018.

[34]    H. Chung and K. S. Shin, “Genetic algorithm-optimized long short-term memory network for stock market prediction,” Sustain., 2018, doi: 10.3390/su10103765.

[35]    T. I. Hermanto and M. A. Sunandar, “Analisis Data Sebaran Penyakit Menggunakan Algoritma Density Based Spatial Clustering Of Applications With Noise,” J. Sains Komput. dan Teknol. Inf., 2020, doi: 10.33084/jsakti.v3i1.1775.

[36]    J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques. 2012.

[37]    J. Eska, “Penerapan Data Mining Untuk Prekdiksi Penjualan Wallpaper Menggunakan Algoritma C4.5 STMIK Royal Ksiaran,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), 2016.

[38]    H. Kurniawan and S. Defit, “Data Mining Menggunakan Metode K-Means Clustering Untuk Menentukan Besaran Uang Kuliah Tunggal,” vol. 1, no. 2, pp. 80–89, 2020.

[39]    P. Chapman et al., Crisp-Dm 1.0. 2000.

[40]    K. M. Ting, “Confusion Matrix,” in Encyclopedia of Machine Learning and Data Mining, 2017.

[41]    E. Jukes, “Encyclopedia of Machine Learning and Data Mining (2nd edition),” Ref. Rev., 2018, doi: 10.1108/rr-05-2018-0084.

[42]    M. J. Anzanello and F. S. Fogliatto, “Learning curve models and applications: Literature review and research directions,” International Journal of Industrial Ergonomics. 2011, doi: 10.1016/j.ergon.2011.05.001.