Khairunnisa Nasution Primary Author mixed material bibliography Banda Aceh Fakultas Teknik (S2) 2025

Theses

Analisis sentimen terhadap ulasan produk di platform e-commerce seperti Tokopedia sangat penting untuk memahami persepsi pelanggan dan meningkatkan kualitas layanan. Pemrosesan bahasa alami menjadi kunci dalam mengelola data teks yang kompleks dan kontekstual. Penelitian ini bertujuan mengembangkan dan mengevaluasi model klasifikasi sentimen berbasis kombinasi arsitektur Bi-LSTM (Bidirectional Long Short-Term Memory) dan GRU (Gated Recurrent Unit) menggunakan dataset PRDECT-ID. Model dibangun dengan menggabungkan kemampuan Bi-LSTM dalam memahami konteks dua arah dan efisiensi GRU dalam pemrosesan data sekuensial. Data diproses melalui tahapan pengunduhan, pembersihan, tokenisasi, dan pelatihan menggunakan kombinasi optimizer ADAM dan SGD serta berbagai nilai Learning Rate. Evaluasi dilakukan menggunakan metrik Accuracy, Precision, Recall, dan F1-Score. Hasil menunjukkan bahwa ADAM dengan learning Rate 0.01 pada 100 epoch memberikan akurasi tertinggi sebesar 94.44%. Sementara itu, SGD dengan learning Rate 0.0001 pada 750 epoch juga menunjukkan performa sangat kompetitif dengan akurasi 93.43% dan F1-score 93.32%. ADAM unggul dalam presisi, dengan nilai tertinggi 95.17% pada 600 epoch, sedangkan SGD lebih stabil dalam akurasi pada epoch tinggi. Grafik loss menunjukkan ADAM lebih cepat konvergen, tetapi SGD cenderung lebih stabil dalam jangka panjang. optimizer ADAM lebih disarankan untuk memperoleh akurasi tinggi dalam waktu pelatihan yang lebih singkat, sementara SGD cocok untuk pelatihan jangka panjang. Kombinasi Bi-LSTM dan GRU efektif dalam memahami konteks dan efisien secara komputasi. Penelitian lanjutan dapat mengkaji arsitektur lain dan penggunaan embedding kompleks untuk meningkatkan generalisasi model. Kata Kunci: Analisis Sentimen, PRDECT-ID, Bi-LSTM, GRU, Optimizer, Learning Rate 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 161667 2025-07-15 14:40:30 2025-07-15 16:39:14 machine generated