View/Open

Author
ELIKA, EUGENIA RAMADHANIA

Date Published
10 Dec 2025

Advisor
Martin Clinton Tosima Manullang, S.T., M.T., Ph.D.,
Miranti Verdiana, M.Si.,

Subject
Teknik Informatika

Publisher

Analisis sentimen ulasan pengguna aplikasi e-commerce menjadi penting untuk memahami persepsi publik, namun ketidaksesuaian antara rating numerik dan isi teks ulasan menunjukkan perlunya pendekatan berbasis pemrosesan bahasaalami. Penelitian ini bertujuan mengimplementasikan arsitektur TextCNN untuk analisis sentimen ulasan aplikasi Shopee di Google Play Store dengan evaluasi menggunakan stratified k-fold cross validation. Dataset berisi 5.000 ulasan periode Juni-September 2024 diproses melalui tahap case folding, cleansing, normalization, tokenizing, stopwords removal, dan augmentasi teks. Empat model TextCNN dikembangkan dengan variasi kompleksitas yaitu Ringan, Sedang, Berat, dan PAT-CNN. Evaluasi dilakukan menggunakan 5-fold cross validation dengan metrik akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan TextCNN Sedang mencapai performa terbaik dengan akurasi 87.68%, presisi 89.85%, recall 93.88%, dan f1-score 91.81%. TextCNN Berat menghasilkan f1-score tertinggi 92.05%, sementara PAT-CNN menunjukkan presisi terbaik 92.21%. Ablation study mengidentifikasi konfigurasi optimal menggunakan optimizer Adam, learning rate 0.0001, dan dropout 0.4-0.5. Penelitian ini membuktikan bahwa TextCNN dapat diterapkan secara efektif untuk klasifikasi sentimen ulasan e-commerce dengan konsistensi performa yang baik melalui stratified k-fold cross validation.

URI
https://repo.itera.ac.id/depan/submission/SB2512080007

Keyword
TextCNN analisis sentimen Shopee stratified k-fold cross validation deep learning