ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI JOOX PADA ANDROID MENGGUNAKAN METODE BIDIRECTIONAL ENCODER REPRESENTATION FROM TRANSFORMER (BERT)

Jahfal Uno Surya Lazuardi
Universitas Gunadarma
Indonesia
Asep Juarna
Universitas Gunadarma
Indonesia

Abstract

Analisis sentimen, disebut juga opinion mining, adalah salah satu teknik dalam mengekstrak informasi orientasi sentimen masyarakat terhadap suatu isu atau kejadian. JOOX adalah sebuah aplikasi penyedia layanan streaming musik daring yang banyak digunakan orang karena keunggulannya dalam menyediakan musik dengan kualitas yang baik. Para pengguna JOOX melalui android dapat memberikan komentar tentang aplikasi ini melalui platform Google Playstore. Analisis sentimen terhadap aplikasi JOOX ini dilakukan dengan menambahkan tahap pra-pelatihan menggunakan metode Bidirectional Encoder Representations from Transformers (BERT) pada rangkaian tahapan klasifikasi komentar menjadi sentimen positif, netral, dan negatif. Komputasi dilakukan dengan menggunakan bahasa pemrograman Python. Komputasi mnggunakan 10.000 data, yaitu 10.000 komentar, di mana 7.000 data dijadikan data latih, 2.010 sebagai data validasi, dan 990 data sebagai data uji. Skor dihitung dengan mengkombinasikan akurasi baseline dengan skore recall yang memberikan akurasi F1-score. Hasil analisis sentimen adalah 41,92% true (sentimen) positif, 1,01% true netral, dan 35,95% true negatif, semuanya dari 990 data uji, dengan akurasi F1-score berturut-turut 86%, 51%, dan 76% sementara akurasi baseline adalah 83%, 79%, dan 75%, yang berarti ada peningkatan akurasi true positif sebesar 3,6% dan true negatif sebesar 1,3%.

Keywords
Analisis Sentimen; BERT; JOOX
References

B. Liu. Sentiment Analysis: Mining Opinions, Sentiments, and Emotions (Studies in Natural Language Processing), 2nd ed., Cambridge, Cambridge University Press, 2020.

F.A. Pozzi, et al., Sentiment Analysis in Social Networks, 2nd ed., California, Morgan Kaufmann, 2021.

M. Anjali, P. Pati, A. Tripathi, Twitter: Sentiment Analysis of Current Affairs, Lambert, Lambert Academic Publishing, 2019.

C.A. Iglesias and A. Moreno, Sentiment Analysis for Social Media, Basel, Mdpi AG, 2020

L. Lei and D. Liu, Conducting Sentiment Analysis, Cambridge, Cambridge University Press, 2021.

D.A. Dahl, Natural Language Understanding with Python: Combine Natural Language Technology, Deep Learning, and Large Language Models to Create Human-Like language Comprehension in Computer Systems, Birmingham, Packt Publishing, 2022.

E. Mas’udah, E. D. Wahyuni, and A. A. Arifiyanti, “Analisis Sentimen: Pemindahan Ibu Kota Indonesia Pada Twitter,” J. Informatika dan Sistem Informasi, Vol. 1, No. 2, Mei, pp. 397–401, 2020.

N. A. Eginda, P. P. Adikara, and R. C. Wihandika, “Analisis Sentimen Layanan Astra Honda Motor Menggunakan Metode Naïve Bayes dan Identifikasi Aspek pada Layanan Menggunakan DBSCAN,” J. Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 4, No. 3, Maret, pp. 929–937, 2020.

A. N. Ulfah and M. K. Anam, “Analisis Sentimen Hate Speech Pada Portal Berita Online Menggunakan Support Vector Machine (SVM),” JATISI (J. Teknologi Informatika dan Sistem Informasi), Vol. 7, No. 1, Maret, pp. 1–10, 2020.

H. Tuhuteru, “Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine,” J. Informatics and System Development, Vol. 5, No. 2, Juni, pp. 7–13, 2020.

F. Rahmadayana and Y. Sibaroni, “Sentiment Analysis of Work from Home Activity using SVM with Randomized Search Optimization,” J. Rekayasa Sistem dan Teknologi Informasi (RESTI), Vol. 5 No. 5, Oktober, pp. 936-942, 2021.

M. R. Adrian, et al., Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB, J. Informatika Upgris, Vol. 7, No. 1 , Juni, 2021.

M.F. Al-Shufi and A. Erfina, “Sentimen Analisis Mengenai Aplikasi Streaming Film Menggunakan Algoritma Support Vector Machine di Play Store,” in Proc. Seminar Nasional Sistem Informasi dan Manajemen Informatika (SISMATIK), 2021, pp. 156-162.

H. Brata, et al., “BERT-Based Sentiment Analysis: A Software Engineering Perspective,” in Proc. International Conference on Database and Expert system Applications, 2021, pp. 138-148.

C.A. Putri, Adiwijaya, and S. Al-Faraby. “Analisis Sentimen Review Film Berbahasa Inggris Dengan Pendekatan Bidirectional Encoder Representations from Transformers,” J. Teknik Informatika dan Sistem Informasi, JATISI, Vol. 6, No. 2, Maret, pp. 181-193, 2020.

S. Saini, “Sentiment Analysis on Twitter Data using R,” in Proc. International Conference on Automation, Computational and Technology Management (ICACTM), 2019, 68–72.

Information
PDF
1032 times PDF : 546 times