ANALISIS SENTIMEN BERBASIS FITUR PADA ULASAN TEMPAT WISATA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK(CNN)

Abstract

TripAdvisor merupakan salah satu aplikasi eWOM dengan jutaan pengunjung setiap bulannya. eWOM dapat memberikan wawasan kepada pengunjung mengenai apa yang mungkin mereka alami, sehingga mempermudah wisatawan untuk mendapatkan gambaran dari tempat tujuan wisata yang ingin mereka kunjungi. Dari survey TripAdvisor pada tahun 2015 menyatakan bahwa sebanyak 42% pengguna TripAdvisor mementingkan isi ulasan, dan sebagian 30% mementingkan kuantitas ulasan pada sebuah ulasan destinasi wisata. Dengan tidak tersedianya fitur resensi singkat oleh website tersebut, dibuatlah penelitian ABSA (Aspect Based Sentiment Analysis) yang bertujuan untuk mengimplementasikan sentimen analisis berbasis aspek dalam opini yang terdapat di TripAdvisor. ABSA akan mengolah serangkaian teks dari pengguna mengenai ulasan pariwisata yang dikunjungi untuk mendapatkan resensi ulasan yang mendeteksi aspek kategori beserta sentimen yang dibahas. ABSA dibangun menggunakan metode CNN, metode gabungan CNN dan LSTM, dan metode CNN dan GRU. Negation handling dan ekstraksi fitur dengan POS Tag digunakan untuk meningkatkan akurasi ABSA. Dari beberapa metode yang digunakan, CNN memberikan nilai akurasi tertinggi dengan akurasi sentimen sebesar 0.9067 dan akurasi aspek kategori mencapai 0.9521.