Bidirectional GRU dengan Attention Mechanism pada Analisis Sentimen PLN Mobile
PLN Mobile adalah aplikasi ponsel customer self-service yang terintegrasi dengan Aplikasi Pengaduan dan Keluhan Pelanggan (APKT) dan Aplikasi Pelayanan Pelanggan Terpusat (AP2T). Mulai awal tahun 2021 sampai sekarang PLN menggencarkan sosialisasi PLN Mobile pada masyarakat sehingga jumlah ulasan PLN...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Universitas Dian Nuswantoro
2023-05-01
|
| Series: | Techno.Com |
| Subjects: | |
| Online Access: | http://publikasi.dinus.ac.id/index.php/technoc/article/view/7876 |
| _version_ | 1797805888719814656 |
|---|---|
| author | Moh. Ainur Rohman Suhartono Suhartono Totok Chamidy |
| author_facet | Moh. Ainur Rohman Suhartono Suhartono Totok Chamidy |
| author_sort | Moh. Ainur Rohman |
| collection | DOAJ |
| description | PLN Mobile adalah aplikasi ponsel customer self-service yang terintegrasi dengan Aplikasi Pengaduan dan Keluhan Pelanggan (APKT) dan Aplikasi Pelayanan Pelanggan Terpusat (AP2T). Mulai awal tahun 2021 sampai sekarang PLN menggencarkan sosialisasi PLN Mobile pada masyarakat sehingga jumlah ulasan PLN Mobile pada google playstore meningkat drastis. Untuk mengetahui kepuasan pelanggan tidak bisa hanya dengan melihat dan menganalisis dari kolom ulasan PLN Mobile di google playstore, hal ini dikarenakan data ulasan berbentuk tidak terstruktur. Untuk mengatasi masalah ini dibutuhkan teknik khusus yaitu analisis sentimen. Penelitian ini bertujuan untuk mengusulkan arsitektur analisis sentimen untuk mengatasi ketidakmampuan algoritma deep learning seperti LSTM dan GRU dalam menangkap informasi penting. Arsitektur yang diusulkan yaitu mengkombinasikan Bidirectional GRU (BiGRU) dengan attention mechanism menggunakan word2vec sebagai word embedding. Attention mechanism digunakan untuk menangkap kata yang penting sehingga arsitektur tersebut dapat memahami informasi yang penting. Kemudian, arsitektur yang diusulkan dilakukan perbandingan dengan metode CNN, CNN-GRU, CNN-LSTM, CNN-BiGRU, CNN-BiLSTM dengan menggunakan data ulasan PLN Mobile. Hasil eksperimen menunjukkan bahwa arsitektur analisis sentimen yang diusulkan memiliki akurasi dan f1-score yang lebih tinggi. |
| first_indexed | 2024-03-13T05:58:57Z |
| format | Article |
| id | doaj.art-65c821a22d6f4bb787da6a05c594b4b8 |
| institution | Directory Open Access Journal |
| issn | 2356-2579 |
| language | Indonesian |
| last_indexed | 2024-03-13T05:58:57Z |
| publishDate | 2023-05-01 |
| publisher | Universitas Dian Nuswantoro |
| record_format | Article |
| series | Techno.Com |
| spelling | doaj.art-65c821a22d6f4bb787da6a05c594b4b82023-06-13T03:41:47ZindUniversitas Dian NuswantoroTechno.Com2356-25792023-05-0122235837210.33633/tc.v22i2.78763086Bidirectional GRU dengan Attention Mechanism pada Analisis Sentimen PLN MobileMoh. Ainur Rohman0Suhartono Suhartono1Totok Chamidy2Universitas Islam Negeri Maulana Malik Ibrahim MalangUniversitas Islam Negeri Maulana Malik Ibrahim MalangUniversitas Islam Negeri Maulana Malik Ibrahim MalangPLN Mobile adalah aplikasi ponsel customer self-service yang terintegrasi dengan Aplikasi Pengaduan dan Keluhan Pelanggan (APKT) dan Aplikasi Pelayanan Pelanggan Terpusat (AP2T). Mulai awal tahun 2021 sampai sekarang PLN menggencarkan sosialisasi PLN Mobile pada masyarakat sehingga jumlah ulasan PLN Mobile pada google playstore meningkat drastis. Untuk mengetahui kepuasan pelanggan tidak bisa hanya dengan melihat dan menganalisis dari kolom ulasan PLN Mobile di google playstore, hal ini dikarenakan data ulasan berbentuk tidak terstruktur. Untuk mengatasi masalah ini dibutuhkan teknik khusus yaitu analisis sentimen. Penelitian ini bertujuan untuk mengusulkan arsitektur analisis sentimen untuk mengatasi ketidakmampuan algoritma deep learning seperti LSTM dan GRU dalam menangkap informasi penting. Arsitektur yang diusulkan yaitu mengkombinasikan Bidirectional GRU (BiGRU) dengan attention mechanism menggunakan word2vec sebagai word embedding. Attention mechanism digunakan untuk menangkap kata yang penting sehingga arsitektur tersebut dapat memahami informasi yang penting. Kemudian, arsitektur yang diusulkan dilakukan perbandingan dengan metode CNN, CNN-GRU, CNN-LSTM, CNN-BiGRU, CNN-BiLSTM dengan menggunakan data ulasan PLN Mobile. Hasil eksperimen menunjukkan bahwa arsitektur analisis sentimen yang diusulkan memiliki akurasi dan f1-score yang lebih tinggi.http://publikasi.dinus.ac.id/index.php/technoc/article/view/7876attention mechanismbigrupln mobilesentiment analysisword2vec |
| spellingShingle | Moh. Ainur Rohman Suhartono Suhartono Totok Chamidy Bidirectional GRU dengan Attention Mechanism pada Analisis Sentimen PLN Mobile Techno.Com attention mechanism bigru pln mobile sentiment analysis word2vec |
| title | Bidirectional GRU dengan Attention Mechanism pada Analisis Sentimen PLN Mobile |
| title_full | Bidirectional GRU dengan Attention Mechanism pada Analisis Sentimen PLN Mobile |
| title_fullStr | Bidirectional GRU dengan Attention Mechanism pada Analisis Sentimen PLN Mobile |
| title_full_unstemmed | Bidirectional GRU dengan Attention Mechanism pada Analisis Sentimen PLN Mobile |
| title_short | Bidirectional GRU dengan Attention Mechanism pada Analisis Sentimen PLN Mobile |
| title_sort | bidirectional gru dengan attention mechanism pada analisis sentimen pln mobile |
| topic | attention mechanism bigru pln mobile sentiment analysis word2vec |
| url | http://publikasi.dinus.ac.id/index.php/technoc/article/view/7876 |
| work_keys_str_mv | AT mohainurrohman bidirectionalgrudenganattentionmechanismpadaanalisissentimenplnmobile AT suhartonosuhartono bidirectionalgrudenganattentionmechanismpadaanalisissentimenplnmobile AT totokchamidy bidirectionalgrudenganattentionmechanismpadaanalisissentimenplnmobile |