Analisis Klasifikasi Emosi Ulasan Produk Tokopedia Menggunakan Pendekatan Hybrid Deep Learning dan Attention Mechanism

Oleh :
Yosep Victor Febry Kusuma - M0519085 - Fak. Teknologi Informasi dan Sains Data

Pengadopsian teknologi modern menyebabkan terjadinya peralihan perdagangan konvensional menjadi elektronik, atau disebut e-commerce. Jenis e-commerce seperti marketplace menawarkan berbagai jenis produk dari berbagai penjual kepada pembeli. Banyaknya produk dan tidak terstrukturnya gaya penulisan ulasan produk dalam e-commerce, dapat menyebabkan pembeli kesulitan dalam memilah produk yang diinginkan. Emosi merupakan bagian penting manusia, sehingga penelitian ini mengklasifikasikan emosi pada ulasan produk Tokopedia. Penelitian ini bertujuan untuk membangun model hybrid deep learning dengan penambahan attention mechanism dan mengevaluasi kinerja yang diperoleh. Penelitian ini menggunakan dataset ulasan produk Tokopedia, yang memiliki ketidakseimbangan kelas. Sehingga digunakan metode augmentasi EDA dan AEDA untuk mengatasi hal tersebut. Metode deep learning yang digunakan, dipilih karena CNN memiliki keunggulan dalam menangkap local feature dalam teks, sedangkan BiLSTM dapat menangkap long term dependencies pada dua arah. Kemudian menggunakan penambahan attention mechanism yang berperan untuk membobot hasil keluaran layer sebelumnya, sehingga model lebih mudah untuk mengenali kelas emosi dalam data. Hasil pengujian dalam penelitian ini menghasilkan peningkatan performa model hybrid dibanding model tunggal. Namun karena keterbatasan dataset, sehingga penambahan attention mechanism pada model hybrid yang meningkatkan kompleksitas model, menurunkan hasil sebelumnya. Sedangkan BiLSTM-Att dapat mengungguli performa model BiLSTM dan hybrid, karena tidak meningkatkan parameter secara signifikan. Penggunaan EDA tidak dapat meningkatkan hasil pengujian, kecuali pada metrik macro f1-score model BiLSTM-Att yang menghasilkan performa 60,69% ± 0,81%. Augmentasi AEDA pada model BiLSTM-Att menghasilkan performa terbaik dengan akurasi 64,28% ± 0,61% dan weighted f1-score 63,49% ± 1,33%.