Sentiment Analysis Terhadap Tulisan Mengenai Universitas Pertamina di Media Sosial Twitter

Abstract

Konsep branding mulai diterapkan di perusahaan yang tidak bergerak di sektor bisnis. Banyak universitas yang telah menerapkan branding untuk menjaga brand image dari universitas tersebut sehingga dapat menarik minat calon mahasiswa. Sentiment analysis adalah salah satu kegiatan yang dapat dilakukan untuk memantau brand image universitas di mata masyarakat. Penelitian ini menerapkan konsep machine learning untuk melakukan sentiment analysis di media sosial Twitter. Dataset yang digunakan terdiri dari 4323 tweet berbahasa Indonesia yang mengandung kata ”Universitas Pertamina”. Setiap tweet kemudian dikelompokkan ke 3 kelas berbeda berdasarkan sentimen tweet tersebut, yaitu negatif, netral dan positif. Penelitian ini menggunakan 3 jenis model machine learning, yaitu Convolutional Neural Network (CNN), Long Short Term Memory (LSTM) dan CNN-LSTM. Proses training ketiga model tersebut menggunakan teknik stratified 5-fold cross validation. Performa model kemudian diukur dengan menggunakan learning curve dan mengukur parameter seperti accuracy, weighted-f1 dan balanced accuracy. Model CNN-LSTM mendapatkan nilai accuracy tertinggi dengan 76.92% dan weighted-f1 tertinggi dengan 76.78%. Sementara model LSTM mendapatkan nilai balanced accuracy tertinggi dengan 66.05%. Berdasarkan learning curve dari ketiga model tersebut, didapatkan bahwa dataset yang digunakan kurang representatif untuk sentiment analysis