2020 : Analisis Sentimen pada Level Aspek terhadap Opini Publik di Media Sosial dengan Arsitektur Deep Learning Berbasis Attention

Faizal Johan Atletiko S.Kom. , M.T.
Renny Pradina Kusumawardani ST., MT.

External link

Type

RESEARCH

Keywords

-


Abstract

Jumlah pengguna Internet di Indonesia dari tahun ke tahun semakin meningkat. Sebagian besar dari penggunaan Internet tersebut adalah untuk berinteraksi di media sosial, dimana masyarakat mengungkapkan pikiran maupun pandangannya. Hal tersebut tentunya dapat menjadi masukan terhadap pihak-pihak yang terkait. Sebagai contoh, dalam ranah politik, opini masyarakat dapat menjadi indikator mengenai dinamika di masyarakat dan hal-hal apa yang sebetulnya menjadi harapan. Contoh lain adalah dalam ulasan objek-objek wisata, yang mana pariwisata merupakan salah satu sumber penggerak ekonomi yang penting di Indonesia. Untuk itu, adalah penting untuk dapat mengukur tingkat minat masyarakat terhadap objek-objek wisata yang ada, sehingga dapat dijadikan masukan terhadap baik pemerintah maupun pengusaha untuk dapat membenahi diri dalam menata sektor tersebut. Mengingat besarnya jumlah data yang tersedia, adalah tidak mungkin untuk menganalisis secara manual data-data yang berupa opini publik tersebut, sehingga diperlukan teknik yang berbasis komputasi, dalam hal ini analisis sentimen. Analisis tersebut secara klasik diterapkan terhadap keseluruhan teks yang menjadi masukannya. Sebagai contoh, suatu cuitan dapat dikategorikan sebagai mengandung sentimen positif, negatif, ataupun netral. Namun, seringkali terdapat lebih dari satu aspek yang dibahas pada suatu ujaran di media sosial, dengan kandungan sentimen yang berbeda. Untuk itu, pada penelitian ini dikembangkan analisis sentimen yang dilakukan pada level aspek, sehingga setiap aspek dalam suatu ujaran dapat digolongkan sentimennya secara lebih spesifik. Hal ini memberikan tantangan, yaitu bagaimana mengenali bahwa bagian tertentu pada suatu ujaran relevan untuk suatu aspek tertentu, dan bagian lain relevan untuk aspek lainnya. Penelitian ini akan mengeksplorasi berbagai arsitektur deep learning yang berbasis attention, suatu teknik yang akhir-akhir ini banyak mendapat perhatian dari peneliti di komunitas NLP internasional karena dapat mengkaitkan secara lebih spesifik bagian-bagian yang relevan dari suatu teks. Dengan penelitian ini diharapkan teknologi analisis sentimen khususnya pada Bahasa Indonesia dapat lebih berkembang, sehingga dapat menjadi masukan bagi pihak-pihak terkait dan juga dalam penyusunan strategis kebijakan pemerintah.