Analisis sentimen menggunakan long short-term memory terhadap ulasan Rumah Makan Padang Payakumbuah

INDONESIA:

Banyak rumah makan Padang di Indonesia, salah satunya Rumah Makan Padang Payakumbuah. Terdapat banyak ulasan dari pengunjung melalui platform seperti Google Maps. Ulasan-ulasan tersebut berisi opini pelanggan mengenai kualitas rumah makan tersebut. Namun, dengan jumlah ulasan yang banyak akan kesulitan untuk menganalisis sentimen. Penelitian ini bertujuan untuk mengetahui performa metode Long Short-Term Memory (LSTM) dalam menganalisis sentimen positif dan negatif dari ulasan pelanggan Rumah Makan Padang Payakumbuah. Data ulasan diperoleh melalui platform Google Maps di wilayah DKI Jakarta. Sebanyak 976 ulasan yang telah dilabeli positif dan negatif digunakan dalam penelitian ini. Tahapan yang dilakukan mencakup preprocessing data seperti data cleaning, case folding, tokenization, stopword removal, serta stemming dan normalisasi kata. Selanjutnya, pembobotan kata dilakukan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk mempersiapkan data sebelum dimasukkan ke dalam model LSTM. Penelitian ini juga membandingkan hasil model LSTM pembagian data langsung tanpa k-fold dengan berbagai rasio 60:40, 70:30, 80:20 dan 90:10 dan menggunakan teknik k-fold cross validation dengan k=10, untuk mengukur performa model secara lebih akurat. Hasil penelitian menunjukkan bahwa model LSTM pada rasio 90:10 dengan model pembagian data tanpa k-fold, yaitu 90% data pelatihan dan 10% data pengujian mampu mendapatkan akurasi terbaik sebesar 84,69%. Sementara itu, penggunaan k-fold cross validation tidak memberikan peningkatan akurasi yang signifikan dibandingkan dengan model yang menggunakan pembagian data langsung. Penelitian ini diharapkan dapat memberikan kontribusi bagi Rumah Makan Padang Payakumbuah dalam meningkatkan kualitasnya berdasarkan analisis sentimen dari ulasan pelanggan.

ENGLISH:

There are many Padang restaurants in Indonesia, one of which is Rumah Makan Padang Payakumbuah. There are many reviews from visitors through platforms such as Google Maps. These reviews contain customer opinions about the quality of the restaurant. However, with a large number of reviews it will be difficult to analyze sentiment. This study aims to determine the performance of the Long Short-Term Memory (LSTM) method in analyzing positive and negative sentiments from customer reviews of Rumah Makan Padang Payakumbuah. Review data is obtained through the Google Maps platform in the DKI Jakarta area. A total of 976 reviews that have been labeled positive and negative are used in this study. The stages carried out include data preprocessing such as data cleaning, case folding, tokenization, stopword removal, as well as stemming and word normalization. Furthermore, word weighting is performed using the Term Frequency-Inverse Document Frequency (TF-IDF) method to prepare the data before being incorporated into the LSTM model. This research also compares the results of the LSTM model of direct data sharing without k-fold with various ratios of 60:40, 70:30, 80:20 and 90:10 and uses the k-fold cross validation technique with k=10, to measure the performance of the model more accurately. The results showed that the LSTM model at a ratio of 90:10 with a data division model without k-fold, namely 90% training data and 10% testing data was able to get the best accuracy of 84.69%. Meanwhile, the use of k-fold cross validation does not provide a significant increase in accuracy compared to models that use direct data sharing. This research is expected to contribute to Payakumbuah Padang Restaurant in improving its quality based on sentiment analysis of customer reviews.

ARABIC:

مطاعم فادانج كثيرة في إندونيسيا، أحدها هو مطعم فادانج فاياكومبوه. هناك تعليقات من الزوار من خلال منصات مثل جوجل الخرائط. تحتوي هذه المراجعات على آراء العملاء على جودة المطعم. ومع ذلك، مع عدد المراجعات التي سيجدها الكثيرون صعوبة في تحليل المشاعر. يهدف هذا البحث إلى معرفة أداء طريقة ذاكرة طويلة وقصيرة المدى (LSTM) في تحليل المشاعر الإيجابية والسلبية من تعليقات عملاء مطعم فاياكومبوه. تم الحصول على بيانات المراجعات من خلال منصة جوجل الخرائط في منطقة جاكرتا. تم استخدام ٩٧٦ تعليقًا تم تصنيفها على أنها إيجابية وسلبية في هذا البحث. شملت المراحل المدروسة معالجة مسبقة للبيانات مثل تنظيف البيانات، وتقليل حالة النص، وتحليل الكلمات، وإزالة الكلمات الشائعة، وكذلك تحديد الجذور وتطبيع الكلمات. علاوة على ذلك، يتم ترجيح الكلمة باستخدام طريقة تردد الكلمة-تردد المستند العكسي (TF-IDF) لإعداد البيانات قبل إدراجها في نموذج LSTM. يقارن هذا البحث أيضًا نتائج نموذج LSTM لتقسيم البيانات مباشرة دون استخدام تقنية k-fold مع نسب مختلفة ٦٠:٤٠ ٧٠:٣٠ ٨٠:٢٠، و٩٠:١٠، بالإضافة إلى استخدام تقنية تحقق متقاطع k-fold مع ك=١٠، لقياس أداء النموذج بدقة أكبر. أظهرت نتائج البحث أن نموذج LSTM عند نسبة ٩٠:١٠ بتقسيم البيانات دون استخدام k-fold، أي ٩٠% من بيانات التدريب و١٠% من بيانات الاختبار، استطاع تحقيق أفضل دقة بلغت ٨٤.٦٩%. بينما لم توفر استخدام تقنية تحقق متقاطع k-fold زيادة ملحوظة في الدقة مقارنة بالنموذج الذي استخدم تقسيم البيانات المباشر. يُأمل أن يسهم هذا البحث في تحسين جودة مطعم فادانج فاياكومبو في ضوء تحليل المشاعر من تعليقات العملاء.