ANALISIS KOMPARATIF KLASIFIKASI SENTIMEN PENGGUNA APLIKASI INVESTASI MENGGUNAKAN ALGORITMA HYBRID CNN-LSTM, CNN-GRU DENGAN IMPLEMENTASI SMOTE

Abstrak

Analisis sentimen, yang merupakan bagian dari Natural Language Processing (NLP), berperan penting dalam mengidentifikasi dan mengklasifikasikan opini yang terkandung dalam teks. Penelitian ini bertujuan membandingkan performa model hybrid CNN-LSTM dan CNN-GRU pada analisis sentimen ulasan pengguna aplikasi investasi di Google Play Store, dengan menggunakan Synthetic Minority Over-sampling Technique (SMOTE) untuk mengatasi ketidakseimbangan data. Sebanyak 15.000 data ulasan dikumpulkan melalui web scraping, kemudian diproses menggunakan metode TF-IDF dan teknik pembersihan teks lainnya. Model CNN-LSTM dan CNN-GRU diuji dengan pembagian data 80% untuk pelatihan dan 20% untuk pengujian. Hasil evaluasi menunjukkan bahwa CNN-GRU memiliki keunggulan dalam presisi (91,62%), skor F1 (90,45%), dan akurasi keseluruhan (87,60%), sementara CNN-LSTM unggul dalam recall (91,08%) untuk mendeteksi ulasan positif. CNN-GRU dinilai lebih seimbang dalam mendeteksi sentimen positif dan negatif, menjadikannya pilihan yang lebih andal untuk analisis sentimen yang membutuhkan performa seragam