Penulis: Muhammad Rajab Fachrizal, Annisa Paramitha Fadillah, Lusi Melian
DOI: 10.1109/INCITEST64888.2024.11121460
Abstrak
Bidirectional-LSTM dan GRU adalah model yang dapat digunakan untuk memproses data sekuensial, termasuk data teks. Penelitian ini membandingkan kedua model deep learning tersebut untuk mengklasifikasikan teks untuk analisis sentimen menggunakan Bahasa Indonesia. Dataset yang digunakan adalah data ulasan pengguna aplikasi mobile JKN BPJS Kesehatan yang diperoleh dari situs Google Play Store. Setelah pra-pemrosesan teks, jumlah data yang akan diproses adalah 93517 dengan tiga label target, positif, negatif, dan netral. Dengan menggunakan beberapa parameter model seperti Jumlah Unit, Aktivasi, Ukuran Batch, Dropout, dan parameter lainnya, hasil pengujian menunjukkan bahwa model Bidirectional-LSTM memiliki nilai akurasi sedikit lebih tinggi yaitu 96,70% dan nilai presisi, recall, dan F1Score lebih tinggi dibandingkan dengan model GRU. © 2024 IEEE.
Kata kunci penulis
Bahasa Indonesia; Bi-LSTM; pembelajaran mendalam; GRU; analisis sentimen; klasifikasi teks
Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015853213
