Analisis Sentimen Berbasis Aspek Terhadap Aplikasi Mobile Banking Dengan Metode Convolutional Neural Network (CNN) Dan PCA
Abstract
Analisis sentimen adalah proses untuk menilai dan memahami opini yang terkandung dalam teks yang dihasilkan oleh pengguna. Dalam konteks aplikasi mobile banking, pendekatan analisis sentimen berbasis aspek efektif untuk mengevaluasi opini pengguna mengenai fitur-fitur tertentu. Penelitian ini memanfaatkan metode Convolutional Neural Network (CNN) untuk menganalisis sentimen dan aspek dengan memproses fitur-fitur teks secara mendalam. Selain itu, digunakan Principal Component Analysis (PCA) untuk mereduksi dimensi data, yang mempercepat proses analisis tanpa mengorbankan informasi penting. Hasil penelitian menunjukkan bahwa kombinasi metode CNN dan PCA dengan pengaturan hyperparameter terbaik menghasilkan akurasi 96% untuk klasifikasi sentimen, 87% untuk klasifikasi aspek positif, dan 86% untuk klasifikasi aspek negatif, dengan waktu pelatihan rata-rata masing-masing 0,4 menit, 2 menit, dan 0,7 menit. Tanpa PCA, akurasi meningkat menjadi 98% untuk sentimen, 79% untuk aspek positif, dan 88% untuk aspek negatif, tetapi waktu pelatihan jauh lebih lama, yaitu 13 menit, 7 menit, dan 4 menit. Meskipun PCA sedikit mengurangi akurasi, efisiensi waktu yang ditawarkannya memberikan keuntungan besar dalam analisis sentimen berbasis aspek, membantu pengembang aplikasi untuk lebih memahami kebutuhan pengguna dan meningkatkan kualitas layanan.
