Analisis Sentimen Ulasan Produk Perawatan Wajah menggunakan Algoritma CNN dan Seleksi Fitur PSO

Abstract

Produk perawatan wajah lokal di Indonesia kini telah menjamur dan mencoba bersaing dengan kehadiran produk perawatan wajah asing dengan berbagai keunggulan yang ditawarkan. Klasifikasi ulasan berupa analisis sentimen penggunaan produk ke dalam kelas positif dan negatif dapat membantu calon konsumen menyimpulkan bagaimana kualitas produk dari suatu merek tertentu. Tujuan penelitian ini adalah untuk mengetahui hasil klasifikasi sentimen ulasan produk merek AVS menggunakan Convolutional Neural Network (CNN) dan seleksi fitur Particle Swarm Optimization (PSO). Penelitian dilakukan dengan mengumpulkan data melalui web scraping, pelabelan dan preprocessing data, word embedding, seleksi fitur dengan PSO, klasifikasi sentimen dengan CNN, dan evaluasi model klasifikasi. Model klasifkasi CNN memperoleh akurasi sebesar 61% hingga 83% untuk sembilan percobaan untuk tiga rasio dataset yang berbeda yaitu 70:30, 75:25, 80:20 dan tiga model word embedding yang berbeda yaitu Glove, Word2Vec CBOW, dan Word2Vec Skipgram.. Sedangkan pengujian menggunakan PSO-CNN memilih 44-60 fitur atau kata-kata penting dari total 100 fitur, sehingga diperoleh nilai akurasi 77% hingga 86%. Rata-rata kenaikan akurasi yang diperoleh akibat penambahan seleksi fitur oleh PSO adalah 8,7%. Akurasi terbaik diperoleh oleh model PSO-CNN dengan rasio dataset 80:20 dan model word embedding Word2Vec Skipgram yaitu 86%.

Kata kunci: analisis sentimen, produk perawatan wajah, CNN, seleksi fitur, PSO.