Penerapan 1D-CNN untuk Analisis Sentimen Ulasan Produk Kosmetik Berdasar Female Daily Review

Erwin Yudi Hidayat(1*), Devioletta Handayani(2)
(1) Fakultas Ilmu Komputer, Universitas Dan Nuswantoro
(2) Fakultas Ilmu Komputer, Universitas Dan Nuswantoro
(*) Corresponding Author

https://doi.org/10.25077/TEKNOSI.v8i3.2022.153-163


Abstrak


Pada tahun 2020 tercatat sekitar 797 industri kosmetik berskala besar maupun kecil yang terdapat di Indonesia. Berdasarkan tahun sebelumnya, angka ini naik 4.87%. Kondisi ini menyebabkan munculnya persaingan perusahaan kosmetik, salah satunya adalah Emina. Berbagai media digunakan sebagai sarana untuk menyampaikan sentimen atau opini masyarakat. Pihak perusahaan dapat memanfaatkan sentimen untuk mengetahui umpan balik masyarakat terhadap brand mereka. Website Female Daily Review menjadi salah satu platform yang digunakan untuk menampung segala bentuk opini mengenai produk kecantikan. Proses pengambilan data dari website pada penelitian ini menggunakan web scraping. Dari 11119 data ulasan yang didapatkan diperlukan analisis opini, emosi, dan sentimennya dengan memanfaatkan text mining untuk identifikasi serta mengekstrak suatu topik. Analisis sentimen dapat membantu mengetahui tingkat kepuasan pengguna terhadap suatu brand kosmetik. Algoritma yang digunakan adalah 1D-Convolutional Neural Network (1D-CNN). Sebelum dilakukan klasifikasi data, perlu diterapkan text preprocessing agar dataset mentah menjadi lebih terstruktur. Hasil dari klasifikasi sentimen  dibagi ke dalam 3 kategori yaitu positif, negatif, dan netral. Berdasarkan eksperimen dalam membangun model analisis sentimen menggunakan 1D-CNN sebanyak 30 percobaan, didapatkan model terbaik dalam menganalisis sentimen dengan akurasi sebesar 80.22%.

Kata Kunci


1D-CNN, analisis sentimen, text mining


Teks Lengkap:

PDF


Referensi


[1] K. P. R. Indonesia, “Kementerian Perindustrian Republik Indonesia,” 2020.

[2] B. Gunawan, H. S. Pratiwi, and E. E. Pratama, “Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes,” J. Edukasi dan Penelit. Inform., vol. 4, no. 2, pp. 113–118, 2018.

[3] Z. Salsabil and M. Arfa, “Efektifitas website Femaledaily.com dalam memenuhi kebutuhan informasi pengguna,” J. Ilmu Perpust. - Univ. Diponegoro, vol. 8, no. 2, pp. 199–210, 2018.

[4] A. Priyanto and M. R. Ma’arif, “Implementasi Web Scrapping dan Text Mining untuk Akuisisi dan Kategorisasi Informasi dari Internet (Studi Kasus: Tutorial Hidroponik),” Indones. J. Inf. Syst., vol. 1, no. 1, pp. 25–33, 2018, doi: 10.24002/ijis.v1i1.1664.

[5] R. Siringoringo, “Text Mining dan Klasterisasi Sentimen Pada Ulasan Produk Toko Online,” Tek. Inform. Univ. Prima Indones. Medan, vol. 2, pp. 1–6, 2019.

[6] Y. Cahyono, “Analisis Sentiment pada Sosial Media Twitter Menggunakan Naїve Bayes Classifier dengan Feature Selection Particle Swarm Optimization dan Term Frequency,” Jurnal Informatika Universitas Pamulang, vol. 2, no. 1. p. 14, 2017. doi: 10.32493/informatika.v2i1.1500.

[7] N. D. Mentari, M. A. Fauzi, and L. Muflikhah, “Analisis Sentimen Kurikulum 2013 Pada Sosial Media Twitter Menggunakan Metode K-Nearest Neighbor dan Feature Selection Query Expansion Ranking,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 8, pp. 2739–2743, 2018.

[8] A. Deviyanto and M. D. R. Wahyudi, “Penerapan Analisis Sentimen Pada Pengguna Twitter Menggunakan Metode K-Nearest Neighbor,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 3, no. 1, p. 1, 2018, doi: 10.14421/jiska.2018.31-01.

[9] H. Ardian and S. Kosasi, “Analisis Sentimen Pada Review Produk Kosmetik Bahasa Indonesia Dengan Metode Naive Bayes,” J. ENTER, vol. 2, no. 1, pp. 306–320, 2019.

[10] K. D. Adhine Salsabila, A. Ghiffarie, R. P. Baistama, M. I. Variadi, and M. D. Rhajendra, “Analisis Sentimen Terhadap Produk The Body Shop Tea Tree Oil,” J. Teknol. dan Manaj. Inform., vol. 5, no. 2, 2019, doi: 10.26905/jtmi.v5i2.3684.

[11] M. Rajwadi, C. Glackin, J. Wall, and N. Cannings, “Explaining Sentiment Classification,” no. December, 2019, doi: 10.21437/Interspeech.2019-2743.

[12] D. Bhatt et al., “Cnn variants for computer vision: History, architecture, application, challenges and future scope,” Electron., vol. 10, no. 20, pp. 1–28, 2021, doi: 10.3390/electronics10202470.

[13] W. Yin, K. Kann, M. Yu, and H. Schütze, “Comparative Study of CNN and RNN for Natural Language Processing,” 2017, [Online]. Available: http://arxiv.org/abs/1702.01923

[14] N. A. Shafirra and I. Irhamah, “Klasifikasi Sentimen Ulasan Film Indonesia dengan Konversi Speech-to-Text (STT) Menggunakan Metode Convolutional Neural Network (CNN),” J. Sains dan Seni ITS, vol. 9, no. 1, 2020, doi: 10.12962/j23373520.v9i1.51825.

[15] D. H. Wahid and A. SN, “Peringkasan Sentimen Esktraktif di Twitter Menggunakan Hybrid TF-IDF dan Cosine Similarity,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 10, no. 2, p. 207, 2016, doi: 10.22146/ijccs.16625.

[16] Y. D. Prabowo, T. L. Marselino, and M. Suryawiguna, “Pembentukan Vector Space Model Bahasa Indonesia Menggunakan Metode Word to Vector,” J. Buana Inform., vol. 10, no. 1, p. 29, 2019, doi: 10.24002/jbi.v10i1.2053.

[17] B. Zhao, “Encyclopedia of Big Data,” Encycl. Big Data, pp. 3–5, 2020, doi: 10.1007/978-3-319-32001-4.

[18] E. Sihite, R. D. Ramadhani, M. Zidny, and R. Adhitama, “Text Processing Clustering dalam Menentuan Profesi Berdasarkan Data Twitter,” pp. 103–108, 2018.

[19] E. N. Arrofiqoh and H. Harintaka, “Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Tanaman Pada Citra Resolusi Tinggi,” Geomatika, vol. 24, no. 2, p. 61, 2018, doi: 10.24895/jig.2018.24-2.810.

[20] A. U. Rehman, A. K. Malik, B. Raza, and W. Ali, “A Hybrid CNN-LSTM Model for Improving Accuracy of Movie Reviews Sentiment Analysis,” Multimed. Tools Appl., vol. 78, no. 18, pp. 26597–26613, 2019, doi: 10.1007/s11042-019-07788-7.

[21] Y. Feng and Y. Cheng, “Short Text Sentiment Analysis Based on Multi-Channel CNN with Multi-Head Attention Mechanism,” IEEE Access, vol. 9, pp. 19854–19863, 2021, doi: 10.1109/ACCESS.2021.3054521.


Artikel Statistik

Abstrak telah dilihat : 744 kali
PDF telah dilihat : 492 kali

Refbacks

  • Saat ini tidak ada refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Alamat Redaksi :
Departemen Sistem Informasi, Fakultas Teknologi Informasi
Universitas Andalas
Kampus Limau Manis, Padang 25163, Sumatera Barat

email: teknosi@fti.unand.ac.id

  Jumlah Pengunjung :

 

Creative Commons License
This work by JSI-Unand and licensed under a CC BY-SA 4.0 International License.