Layanan penulisan ilmiah yang disediakan oleh Perpustakaan Universitas Gunadarma
IMPLEMENTASI METODE BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) UNTUK ANALISIS SENTIMEN TERHADAP ULASAN APLIKASI LINKEDIN BERBAHASA INDONESIA
ABSTRAKSI :
Penelitian ini bertujuan untuk analisis sentimen bahasa Indonesia terhadap ulasan pengguna aplikasi LinkedIn di Google Play Store. Ulasan aplikasi yang bervariasi dari ulasan positif, negatif, maupun netral dapat digunakan untuk studi sosial sebagai alan bantu dalam pengambilan keputusan. Namun karena pada review aplikasi terkadang ulasan tidak sesuai atau relevan dengan rating yang diberikan, maka dibutuhkan suatu otomatisasi dalam mengklasifikasikan ulasan berdasarkan polaritas sentimennya. Analisis sentimen dengan penggunaan algoritma machine learning tradisional seperti Naïve Bayes, SVM, dan lain-lain tidak dapat memahami konteks dari komentar secara mendalam tentang semantik kata yang ada karena hanya mempelajari pola-pola yang diberikan seperti frekuensi kemunculan kata. Untuk itu dibutuhkan sebuah pendekatan deep learning seperti BERT (Bidirectional Encoder Representations from Transformers) yang menghasilkan sebuah model bahasa dua arah (bidirectional). Dataset yang digunakan melalui tahap pre-processing yang terdiri dari case folding, data cleaning, tokenisasi, dan normalisasi dengan library NLTK sebelum dilakukan analisis sentimen. Dalam penelitian ini hyperparameters yang digunakan adalah 5 epoch, learning rate 3e-6, dan batch size 32. Pengujian analisis sentimen menggunakan pre-trained model IndoBERT dengan akurasi sebesar 67%.