Abstract:
Dalam evaluasi usability, tahap analisis sentimen diperlukan agar data dari
pengguna dapat dipahami dengan lebih baik. Analisis sentimen digunakan untuk
menemukan informasi berharga yang dibutuhkan dari data yang tidak terstruktur,
seperti pada data ulasan pengguna. Konsep Transformers telah menjadi salah satu
konsep model NLP yang sering digunakan pada analisis sentimen dan memiliki
tingkat akurasi yang cukup tinggi. Salah satu model yang menerapkan konsep ini
adalah model RoBERTa. RoBERTa merupakan model yang terinspirasi dari BERT
yang dioptimisasi. Agar bisa meningkatkan akurasi dari model RoBERTa,
penelitian ini mengusulkan tambahan layer BiLSTM pada model RoBERTa karena
model RoBERTa bisa memberikan pemahaman bahasa yang lebih mendalam dan
tambahan layer BiLSTM dapat menangkap informasi kontekstual yang lebih kaya
dalam sebuah teks, karena model BiLSTM menggunakan 2 layer yang bergerak
maju dan mundur (Forward dan Backward). Dataset yang digunakan pada
penelitian ini adalah ulasan aplikasi MyPertamina pada Google Play Store. Dalam
penelitian ini dilakukan eksperimen terhadap beberapa hyperparameter pada model
untuk mendapatkan model yang optimal dalam analisis sentimen data ulasan
berbahasa indonesia. Hasil akhir eksperimen menunjukan bahwa dengan tambahan
layer BiLSTM, model yang diusulkan berhasil meningkatkan akurasi model sebesar
1,76% dibanding model RoBERTa biasa. Berdasarkan hasil laporan klasifikasi
model ini juga mendapatkan akurasi sebesar 91,02%, dengan rata – rata berbobot
pada precision 91,06%, recall 91,02%, dan F1-Score 91,03%.
