Sentimen Analisis dengan Long Short-Term Memory dan Synthetic Minority Over-samping Technique pada Aplikasi Digital Perbankan

• ALI AHMAD
• 14210205

---

ABSTRAK

ABSTRAK

Nama              : Ali Ahmad

NIM                 : 14210205

Program Studi : Ilmu Komputer

Fakultas           : Teknologi Informasi

Jenjang            : Strata Dua (S2)

Konsentrasi      : Data Mining

Judul             : “Sentimen Analisis dengan Long Short-Term Memory dan Synthetic Minority Over-samping Technique pada Aplikasi Digital Perbankan”

Perkembangan tekhnologi dalam beberapa tahun terakhir mengalami peningkatan yang cukup signifikan, salah satu perkembangan yang mengalami percepatan yaitu perkembangan teknologi internet. Perkembangan jugamemacu perkembangan pada transaksi perbankan kearah digitalisasi. Perubahan cara bertransaksi ini mendorong area perbankan turut mengembangkan aplikasi perbankan mereka. Proses perkembangan aplikasi tentunya tidak dapat berkembang secara optimal jika tidak mendapatkan feedback dari pengguna aplikasi tersebut. Sentimen analisis merupakan salah satu teknik yang dapat di gunakan oleh perbankan untuk mendapatkan feedback terhadap aplikasi digital mereka. Peneltian ini melakukan analisa sentimen terhadap dua aplikasi perbankan yaitu DbankPro dan M-BCA melalui ulasan yang didapatkan dari Google Playstore, Metode yang digunakan adalah CRISP-DM dan teknik yang digunakan yaitu menggunakan teknik” Imbalance data Handling with SMOTE” dengan menggunakan 3 komposisi data latih dan Model LSTM. Dari pengujian yang dilakukan hasil terbaik yang didapatkan pada komposisi data training 60% dengan hasil akurasi, F1 Score, Precission dan Recall pada masing masing aplikasi yaitu: Akurasi M-BCA = 91,07%, DbankPro= 89,82%, F1-Score: M-BCA Class 0=0.90 dan Class 1= 0.92 , Precission=Class 0 = 0,89 dan Class 1= 0,92, Recall = Class 0 = 0,90 dan Clas 1=0,92. DBankPro F1-Score Class 0=0,90 dan Class 1= 0,89. Precission=Class 0 = 0,91 dan Class 1= 0,89, Recall = Class 0 = 0,90 dan Clas 1=0,90

KATA KUNCI

Analisa Sentimen,Text Mining,LSTM,Class Imbalance

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] Agnes Z. Yonatan, “Menilik Perkembangan Pengguna Internet 2013-2023,” Goodstats.id, 2023. https://data.goodstats.id/statistic/agneszefanyayonatan/menilikperkembangan-pengguna-internet-2013-2023-uV8Ws

[2] Winnie.mina, “Terus Melaju, Akselerasi Ekonomi Digital di Indonesia,” Xendit, 2023. https://www.xendit.co/id/blog/terus-melaju-akselerasi-ekonomi-digital-di-indonesia/

[3] Kusnawi, M. Rahardi, and V. D. Pandiangan, “Sentiment Analysis of Neobank Digital Banking Using Support Vector Machine Algorithm in Indonesia,” Int. J. Informatics Vis., vol. 7, no. 2, pp. 377–383, 2023, doi: 10.30630/joiv.7.2.1652.

[4] W. F. Sari, R. Rahim, and F. Adrianto, “Analisis Sentiment Review Pengguna Bca Mobile Menggunakan Teks Mining,” CAKRAWALA Repos. IMWI, vol. 6, no. 2, pp. 981– 987, 2023.

[5] A. Gupta and D. Kamthania, “Study of Sentiment on Google Play Store Applications,” SSRN Electron. J., pp. 1–4, 2021, doi: 10.2139/ssrn.3833926.

[6] Nitesh V. Chawla, Kevin W. Bowyer, Lawrence O. Hall, and W. Philip Kegelmeyer, “SMOTE: Synthetic Minority Over-sampling Technique,” J. Artif. Intell. Res., vol. 30, no. 2, pp. 321–357, 2002.

[7] M. Z. Rahman, Y. A. Sari, and N. Yudistira, “Analisis Sentimen Tweet COVID-19 menggunakan Word Embedding dan Metode Long Short-Term Memory (LSTM),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 11, pp. 5120–5127, 2021, [Online]. Available: http://j-ptiik.ub.ac.id

[8] K. S. Witanto, N. A. Sanjaya ER, A. E. Karyawati, I. G. A. G. A. Kadyanan, I. K. G. Suhartana, and L. G. Astuti, “Implementasi LSTM Pada Analisis Sentimen Review Film Menggunakan Adam Dan RMSprop Optimizer,” JELIKU (Jurnal Elektron. Ilmu Komput. Udayana), vol. 10, no. 4, p. 351, 2022, doi: 10.24843/jlk.2022.v10.i04.p05.

[9] N. Normah, “Naïve Bayes Algorithm For Sentiment Analysis Windows Phone Store Application Reviews,” SinkrOn, vol. 3, no. 2, p. 13, 2019, doi: 10.33395/sinkron.v3i2.242.

[10] Monkey Learn, “What Is Text Mining? A Beginner’s Guide,” 2023. https://monkeylearn.com/text-mining/#:~:text=Text mining is an automatic,sentiment%2C topic%2C and intent. (accessed Dec. 16, 2023).

[11] D. Scientist, “Text mining: Definition, techniques, use cases,” 2023. https://datascientest.com/en/text-mining-all-you-need-to-know (accessed Dec. 16, 2023).

[12] H. Yan, M. Ma, Y. Wu, H. Fan, and C. Dong, “Overview and analysis of the text mining applications in the construction industry,” Heliyon, vol. 8, no. 12, p. e12088, 2022, doi: 10.1016/j.heliyon.2022.e12088.

[13] X. Luo, “Efficient English text classification using selected Machine Learning Techniques,” Alexandria Eng. J., vol. 60, no. 3, pp. 3401–3409, 2021, doi: 10.1016/j.aej.2021.02.009. 45 Program Studi Komputer (S2) Universitas Nusa Mandiri

[14] A. Majid, D. Nugraha, and F. D. Adhinata, “Sentiment Analysis on Tiktok Application Reviews Using Natural Language Processing Approach,” J. Embed. Syst. …, vol. 04, no. May, pp. 32–38, 2023, [Online]. Available: https://journal.unm.ac.id/index.php/JESSI/article/view/471%0Ahttps://journal.unm.a c.id/index.php/JESSI/article/download/471/352

[15] T. T. Widowati and M. Sadikin, “Analisis Sentimen Twitter terhadap Tokoh Publik dengan Algoritma Naive Bayes dan Support Vector Machine,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 11, no. 2, pp. 626–636, 2021, doi: 10.24176/simet.v11i2.4568.

[16] Y. Heryadi, “Machine Learning: Konsep dan Implementasi,” no. August, 2020.

[17] R. G. Wardhana, G. Wang, and F. Sibuea, “Penerapan Machine Learning Dalam Prediksi Tingkat Kasus Penyakit Di Indonesia,” J. Inf. Syst. Manag., vol. 5, no. 1, pp. 40– 45, 2023, doi: 10.24076/joism.2023v5i1.1136.

[18] A. Wijaya, C. Rozikin, and B. N. Sari, “Penerapan Text Mining Untuk Klasifikasi Judul Berita Hoax Vaksinasi COVID-19 Menggunakan Algoritma Support Vector Machine,” J. Ilm. Wahana Pendidik., vol. 8, no. 16, pp. 11–20, 2022.

[19] R. Cahyadi et al., “Recurrent Neural Network (Rnn) Dengan Long Short Term Memory (Lstm) Untuk Analisis Sentimen Data Instagram,” J. Inform. dan Komput., vol. 5, no. 1, pp. 1–9, 2020.

[20] I. R. Putri, “Pemahaman Konteks dalam Pemrosesan Teks dengan Menggunakan Algoritma Pemahaman Konteks dalam Pemrosesan Teks dengan Menggunakan Algoritma LSTM,” no. December, 2023.

[21] Z. Hu, J. Zhang, and Y. Ge, “Handling Vanishing Gradient Problem Using Artificial Derivative,” IEEE Access, vol. 9, pp. 22371–22377, 2021, doi: 10.1109/ACCESS.2021.3054915.

[22] B. Hakim, “Analisa Sentimen Data Text Preprocessing Pada Data Mining Dengan Menggunakan Machine Learning,” JBASE - J. Bus. Audit Inf. Syst., vol. 4, no. 2, pp. 16– 22, 2021, doi: 10.30813/jbase.v4i2.3000.

[23] I. G. A. Purnajiwa Arimbawa and N. A. Sanjaya ER, “Lemmatization in Balinese Language,” JELIKU (Jurnal Elektron. Ilmu Komput. Udayana), vol. 8, no. 3, p. 235, 2020, doi: 10.24843/jlk.2020.v08.i03.p04.

[24] A. Arif Siswandi, Y. Permana, and A. Emarilis, “Stemming Analysis Indonesian Language News Text with Porter Algorithm,” J. Phys. Conf. Ser., vol. 1845, no. 1, 2021, doi: 10.1088/1742-6596/1845/1/012019.

[25] S. Sarica and J. Luo, “Stopwords in technical language processing,” PLoS One, vol. 16, no. 8 August, 2021, doi: 10.1371/journal.pone.0254937.

[26] Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE,” J. Tek. Komput. AMIK BSI, vol. 8, no. 2, pp. 174–180, 2022, doi: 10.31294/jtk.v4i2.

[27] S. Singh Rawat and A. Kumar Mishra, “Review of Methods for Handling ClassImbalanced in Classification Problems”.