EVALUASI PERFORMA CNN-LSTM UNTUK ASPECT CATEGORY SENTIMENT ANALYSIS PADA DATASET TIDAK SEIMBANG

Oleh :
Puditya Risky Amelia - M0520063 - Fak. Teknologi Informasi dan Sains Data

Kehadiran layanan e-wallet yang semakin banyak digunakan masyarakat memicu hadirnya ulasan yang semakin beragam. Dengan jumlah ulasan yang besar dan kompleks untuk dianalisis secara manual, penelitian mengusulkan penerapan Aspect Category Sentiment Analysis (ACSA) dengan model deep learning CNN-LSTM untuk mengidentifikasi polaritas sentimen dari suatu aspek pada dataset yang tidak seimbang. Melalui proses augmentasi, model CNN-LSTM mampu melakukan klasifikasi pada dataset tidak seimbang dengan baik yang dibuktikan oleh nilai akurasi 79.60% untuk klasifikasi aspek, 89.60% untuk klasifikasi sentimen dan nilai exact match sebesar 71.20%. Hasil klasifikasi tersebut menunjukkan pengaruh augmentasi pada  performa model dalam mempelajari pola hubungan antar aspek dan sentimen dari dataset yang tidak seimbang.