Pembelajaran Mendalam Hybrid untuk Ekstraksi Sentimen Bahasa Indonesia: Pendekatan Lexicon dan Neural Networks

Abstract

Penelitian ini memperkenalkan model hybrid deep learning yang dirancang untuk analisis sentimen dalam teks bahasa Indonesia, yang menggabungkan kekuatan pendekatan leksikon dan jaringan syaraf untuk meningkatkan ekstraksi sentimen. Memanfaatkan sumber daya leksikon bahasa Indonesia untuk prapemrosesan teks dan menggunakan model jaringan syaraf tiruan canggih seperti BERT untuk memahami konteks yang kompleks, penelitian ini menggunakan dataset yang terdiri dari 1000 ulasan pengguna dari Google Play Store (Januari hingga Juni 2022). Analisis sentimen mengintegrasikan informasi leksikon dan representasi jaringan syaraf tiruan yang mendalam, menghasilkan 482 ulasan positif, 144 ulasan negatif, dan 374 ulasan netral. IndoBERT digunakan untuk klasifikasi, mencapai akurasi 81%, seperti yang ditunjukkan oleh matriks kebingungan. Temuan ini menyoroti peningkatan signifikan model hibrida dalam akurasi ekstraksi sentimen dibandingkan dengan pendekatan tunggal, yang secara efektif menangkap nuansa sentimen. Penelitian ini berkontribusi pada kemajuan metode analisis sentimen bahasa Indonesia yang lebih tepat dan efisien, yang berfungsi sebagai panduan berharga bagi para peneliti dan memiliki implikasi praktis untuk pengembangan aplikasi analisis sentimen, terutama di bidang layanan pelanggan dan manajemen reputasi perusahaan dalam konteks bahasa Indonesia.