Aspect Based Sentiment Analysis pada Ulasan Mobil Menggunakan Algoritma Attention-Based LSTM (Long Short Term Memory)

Abstract

Car is one of the automotive industry products that have sales figures that continue to increase every year. The increasing number of car sales is followed by the rise of car brands that create the latest car products with a variety of models. This causes consumers to need detailed information about the specifications of a car that suits their needs. Information regarding the specifications of car products provided by a brand is considered insufficient to assess the overall quality of the product. So that additional information is needed that is able to describe the quality of a product. One of the information that can be used is reviews from consumers who have used the product. Reviews of a product are usually classified into various sentiments such as positive, negative, and neutral. However, to conduct sentiment analysis on a car product based on classification alone cannot know the quality of the car as a whole, a sentiment analysis based on aspects is needed to produce information that can identify the overall aspect. This study was conducted with the aim of analyzing sentiment based on aspects of car reviews using the Attention Based LSTM (Long Short Term Memory) method. The model uses word embedding in converting text data into vector data. The result of this research is a model with 92% accuracy and a system that is able to analyze sentiment based on six aspects of car products.

Mobil adalah salah satu produk industri otomotif yang memiliki angka penjualan yang terus meningkat setiap tahunnya. Meningkatnya angka penjualan mobil diikuti dengan maraknya brand mobil yang menciptakan produk mobil terbaru dengan variasi model yang beragam. Hal ini menyebabkan calon konsumen membutuhkan informasi secara detail mengenai spesifikasi dari sebuah mobil yang sesuai dengan kebutuhan mereka. Informasi mengenai spesifikasi dari produk mobil yang diberikan oleh suatu brand dinilai belum cukup untuk menilai keseluruhan kualitas dari produk tersebut. Sehingga dibutuhkan informasi tambahan yang mampu menggambarkan kualitas dari suatu produk. Salah satu informasi yang bisa dimanfaatkan adalah ulasan yang diberikan konsumen produk tersebut. Review dari sebuah produk biasanya diklasifikasikan menjadi sentimen yang beragam seperti positif, negatif, dan netral. Namun, untuk melakukan analisis sentimen pada sebuah produk mobil dengan hanya berdasarkan pengklasifikasian saja tidak dapat mengetahui kualitas dari mobil secara keseluruhan, dibutuhkan analisis sentimen berdasarkan aspek untuk menghasilkan informasi yang dapat mengidentifikasi aspek keseluruhan. Tujuan dilakukannya penelitian ini untuk menganalisis sentimen berdasarkan aspek pada review mobil dengan menggunakan metode Attention Based LSTM ( Long Short Term Memory ). Model menggunakan word embedding dalam mengkonversikan data teks ke dalam data vektor. Hasil dari penelitian ini adalah sebuah model dengan akurasi 91% dan sebuah sistem yang dapat menganalisis sentimen berdasarkan enam aspek produk mobil.