Aspect-Based Sentiment Analysis of App Chat Complaint Message using Convolutional Neural Network

Risala Nabila Imani, Dr. Nanang Susyanto, S.Si., M.Sc., M.Act. Sc.

2023 | Skripsi | MATEMATIKA

Analisis sentimen berbasis aspek (ABSA) sangat penting untuk memahami pendapat pengguna dalam pesan obrolan aplikasi. Skripsi ini mempelajari pendekatan Convolutional Neural Network (CNN) untuk ABSA. Model CNN menggunakan beberapa lapisan untuk menganalisis teks dan aspek, memberikan prediksi sentimen yang akurat. Kemudian model dievaluasi menggunakan data pesan obrolan yang diberi anotasi, dengan mengukur kinerjanya menggunakan metrik seperti akurasi, presisi, recall, dan skor F1. Secara umum, penelitian di skripsi ini mempelajari metode yang efisien bagi bisnis dan pengembang untuk menganalisis sentimen dalam pesan obrolan aplikasi, memudahkan pengambilan keputusan berbasis data untuk meningkatkan kepuasan dan pengalaman pengguna, serta berkontribusi pada bidang analisis sentimen.

Aspect-Based Sentiment Analysis (ABSA) is crucial for understanding user opinions in application chat messages. This undergraduate thesis presents the Convolutional Neural Network (CNN) approach for ABSA. The CNN model employs multiple layers to analyze text and aspects, providing accurate sentiment predictions. Subsequently, the model is evaluated using annotated chat message data, measuring its performance with metrics such as accuracy, precision, recall, and F1 score. In general, the research in this undergraduate thesis studies efficient methods for businesses and developers to analyze sentiment in application chat messages, facilitating data-driven decision-making to enhance user satisfaction and experience, thereby contributing to the field of sentiment analysis. 

Kata Kunci : Aspect-Based Sentiment Analysis, Convolutional Neural Network, chat messages complaint, data-driven decision making, user satisfaction, businesses, developers