ANALISIS SENTIMEN BERBASIS LEXICON DAN PEMODELAN SISTEM DENGAN LDA TERHADAP PERGURUAN TINGGI UPN “VETERAN” JAWA TIMUR PADA GOOGLE REVIEW

Firzannabeel Aqila Rafid; Hilya ‘Zada Mardhatilla Al Haadiy; Azzahra Adelia Sabrina Salsabila; Anggraini Puspita Sari

doi:10.35760/ik.2024.v29i2.11582

ANALISIS SENTIMEN BERBASIS LEXICON DAN PEMODELAN SISTEM DENGAN LDA TERHADAP PERGURUAN TINGGI UPN “VETERAN” JAWA TIMUR PADA GOOGLE REVIEW

Firzannabeel Aqila Rafid
UPN "Veteran" Jawa Timur
Indonesia

Hilya ‘Zada Mardhatilla Al Haadiy
UPN "Veteran" Jawa Timur
Indonesia

Azzahra Adelia Sabrina Salsabila
UPN "Veteran" Jawa Timur
Indonesia

Anggraini Puspita Sari
UPN "Veteran" Jawa Timur
Indonesia

DOI: http://dx.doi.org/10.35760/ik.2024.v29i2.11582

Article Submitted: 20 June 2024

Article Published: 05 August 2024

Abstract

Ulasan menjadi faktor penting bagi para pemilik bisnis dalam meningkatkan kredibilitas layanannya. Tidak hanya para pebisnis, pihak pengelola tempat umum dari pemerintah juga perlu menganalisis ulasan untuk membangun reputasi publik yang lebih baik. Salah satunya adalah Perguruan Tinggi Universitas Pembangunan Nasional (UPN) “Veteran” Jawa Timur. Penelitian ini bertujuan untuk menganalisis ulasan publik mengenai UPN “Veteran” Jawa Timur dengan dua model, yakni analisis sentimen berbasis Lexicon dan pemodelan topik menggunakan Latent Dirichlet Allocation (LDA). Analisis sentimen bertujuan untuk mengategorikan ulasan positif, negatif, dan netral dari beberapa ulasan publik di Google Review. Sedangkan, pemodelan topik bertujuan untuk mengetahui topik-topik utama dalam pembicaran yang dibahas pada ulasan mengenai UPN “Veteran” Jawa Timur. Dari hasil penelitian terhadap 525 data ulasan, didapatkan sebanyak 352 ulasan dikategorikan positif, 136 ulasan netral, dan 37 ulasan negatif. Pengujian akurasi menunjukkan bahwa algoritma berbasis Lexicon memiliki tingkat akurasi sebesar 80%, yang menegaskan bahwa metode ini efektif dalam mengklasifikasikan data dengan akurat. Sementara itu, dalam pemodelan topik, berhasil diidentifikasi sepuluh topik utama pada setiap kategori sentimen, baik positif, negatif, maupun netral. Temuan ini memberikan wawasan berharga bagi pihak perguruan tinggi untuk lebih memahami permasalahan dan kebutuhan pengguna sehingga dapat mengambil langkah perbaikan yang lebih terarah.

Keywords

Ulasan; Analisis Sentimen; Pemodelan Topik; Lexicon; LDA

References

C. M. Annur, “Mayoritas Calon Mahasiswa Cari Informasi Universitas dan Jurusan Lewat Sosial Media,” databoks.katadata.co.id, para 1, Jun. 21, 2021. [Online]. Available: https://databoks.katadata.co.id/datapublish/2021/06/21/media-sosial-sumber-informasi-perguruan-tinggi-jurusan-mayoritas-siswa. [Accessed Mei 03, 2024].

F. V. Sari, A. Wibowo, “Analisis Sentimen Pelanggan Toko Online JD.ID Menggunakan Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” Simetris: Jurnal Teknik Industri, Mesin, Elektro dan Ilmu Komputer, vol. 10, no. 2, 2019.

S. M. Isa, “Sentiment Analysis Approaches and Methods,” binus.ac.id, para 2, Oct. 2017. [Online]. Available: https://mti.binus.ac.id/2017/10/04/1900/. [Accessed June 12, 2024].

H. Jelodar, Y. Wang, C. Yuan, X. Feng, X. Jiang, Y. Li, L. Zao, “Latent Dirichlet Allocation (LDA) and topic modelling: models, applications, a survey,” Multimed Tools Appl, vol. 78, pp. 15169-15211, 2019.

D. D. Ayani, H. S. Pratiwi, H Muhardi, “Implementasi Web Scraping untuk Pengambilan Data pada Situs Marketplace,” Jurnal Sistem dan Teknologi Informasi, vol. 7, no. 4, Oct 19., pp. 257-262, 2019.

A. Setiawan, L. W. Santoso, R. Adipranata, “Klasifikasi Artikel Berita Bahasa Indonesia Dengan Naive Bayes Classifier,” Jurnal Infra, vol.8, no.1, pp. 1-6, 2020.

Wahyudin, “Aplikasi Topic Modeling pada pemberitaan Portal Berita Online Selama Masa PSBB Pertama,” Seminar Nasional Official Statistics, pp. 308-318, 2020.

A. P. Sari, A. N. Sihananto, D. A. Prasetya, M. M. A. Haromainy, “Pengelompokkan Tingkat Penyebaran Covid 19 pada Kabupaten Jombang dengan Menggunakan Algoritma K-Means”, Jurnal Teknologi Informasi dan Komunikasi, vol. 17, no. 3, pp. 7-12, 2022.

M. Y. Febrianta, S. Widiyanesti, S. R. Ramadhan, “Analisis Ulasan Indie Video Game Lokal pada Steam Menggunakan Analisis Sentimen dan Pemodelan Topik Berbasis Latent Dirichlet Allocation,” Journal of Animation & Games Studies, vol. 7, no. 2, pp. 127-144, 2021.

A. Syakur, “Implementasi Metode Lexicon Base Untuk Analisis Sentimen Kebijakan Pemerintah dalam Pencegahan Penyebaran Virus Corona COVID-19,” Jurnal Ilmiah Informatika Komputer, vol. 26, no. 3, pp. 247-260, 2021.

A. R. D. Astuti, N. Cahyono, “Analisis Topic Modelling Persepsi Pengguna Internet Menggunakan Metode Latent Dirichlet Allocation,” Indonesian Journal of Computer Science, vol. 12, no. 1, pp. 326-334, 2023.

T. D. Dikiyanti, A. M. Rukmi, M. I. Irawan, “Sentiment Analysis and Topic Modelling of BPJS Kesehatan based on Twitter Crawling Data Using Indonesian Sentiment Lexicon and Latent Dirichlet Allocation Algorithm,” Journal of Physics: Conference Series, 2021.

A. R. Dzikrillah, D. Oliviani, “Analisis Sentimen dan Topik Perbincangan Netizen Indonesia Mengenai Kebijakan Vaksin Covid-19,” Jurnal Pseudocode, vol. 9, no. 2, pp. 106-113, 2022.

M. N. Asti, Ismamiaty, A. A. Rizal, “Lexicon based adalah Lexicon Based Sentiment Analysis pada Trending Topics di Nusa Tenggara Barat,” Jurnal Informatika dan Teknologi Komputer, vol. 03, no. 02, pp. 93-98. 2022.

K. D. A. Salsabila, N. Trianasari, “Analisis Persepsi Produk Kosmetik Menggunakan Metode Sentiment Analysis dan Topic Modelling (Studi Kasus: Laneige Water Sleeping Mask),” Jurnal Teknologi dan Manajemen Informatika, vol. 7, no. 1, Jun., pp. 1-9, 2021.

F. Amaliah, I. K. D. Nuryana, “Perbandingan Akurasi Metode Lexicon Based dan Naive Bayes Classifier Pada Analisis Sentimen Pendapat Masyarakat Terhadap Aplikasi Investasi Pada Media Twitter,” Journal of Informatics and Computer Science, vol. 03, no. 03, pp. 384-393, 2022.

Y. Matira, Junaidi, I. Setiawan, “Pemodelan Topik pada Judul Berita Online Detikcom Menggunakan Latent Dirichlet Allocation,” Jurnal Estimasi, vol. 4, no. 1, pp. 53-63, 2023.

D. Ridhwanullah, “Pemodelan Topik pada Cuitan tentang Penyakit Tropis di Indonesia dengan Metode Latent Dirichlet Allocation,” Tesis, Universitas Islam Indonesia, Yogyakarya, 2022.

A. Q. Surbakti, R. Hayami, J. A. Amien, “Analisa Tanggapan Terhadap PSBB di Indonesia dengan Algoritma Decision Tree pada Twitter,” Jurnal Computer Science and Information Technology, vo. 2, no. 2, pp 91-97, 2021.

A. W. Subagio, A. P. Sari, A. N. Sihananto, “Klasifikasi Lexicon-Based Sentiment Analysis Tragedi Kanjuruhan pada Twitter Menggunakan Algoritma Convolutional Neural Network,” Jurnal Ilmiah Sistem dan Ilmu Komputer, vol. 4, no. 1, pp. 166-177, 2024.