ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN PENGGUNA FEMALE DAILY MENGGUNAKAN LATENT DIRICHLET ALLOCATION DAN LOGISTIC REGRESSION

Ulasan pengguna pada platform Female Daily memuat beragam opini terhadap produk kecantikan yang mencakup berbagai aspek produk. Analisis sentimen secara umum sering kali hanya memberikan gambaran sentimen secara keseluruhan, sehingga kurang mampu merepresentasikan sentimen pengguna terhadap aspek-aspek tertentu yang dibahas dalam ulasan. Oleh karena itu, penelitian ini menerapkan pendekatan Aspect Based Sentiment Analysis (ABSA) untuk menganalisis sentimen pengguna berdasarkan konteks aspek yang muncul dalam ulasan. Identifikasi aspek dilakukan menggunakan metode Latent Dirichlet Allocation (LDA) untuk memetakan Topik utama yang sering dibahas oleh pengguna. Berdasarkan hasil pemodelan Topik, diperoleh lima aspek utama yang menjadi fokus analisis, yaitu Kemasan, Aroma, Tekstur, Harga, dan Efek Pemakaian. Data ulasan yang telah dikelompokkan berdasarkan aspek selanjutnya digunakan dalam proses klasifikasi sentimen menjadi sentimen positif dan negatif. Proses klasifikasi sentimen pada setiap subset data pada aspek dilakukan menggunakan algoritma Logistic Regression dengan berbagai konfigurasi pengujian, termasuk variasi solver, nilai C, rasio data latih dan data uji, serta representasi fitur menggunakan TF-IDF unigram dan bigram. Hasil eksperimen menunjukkan bahwa representasi fitur TF-IDF bigram memberikan performa terbaik pada sebagian besar aspek. Akurasi tertinggi diperoleh pada aspek Harga sebesar 96,24%, diikuti oleh aspek Kemasan sebesar 94,20%, Aroma sebesar 91,82%, Tekstur sebesar 86,65%, dan Efek Pemakaian sebesar 87,48%. Secara keseluruhan, hasil penelitian menunjukkan bahwa kombinasi pemetaan aspek menggunakan LDA dan klasifikasi sentimen menggunakan Logistic Regression mampu menghasilkan performa klasifikasi yang baik pada seluruh aspek yang dianalisis. Dengan demikian, pendekatan ABSA dalam penelitian ini dinilai efektif dan layak digunakan untuk analisis sentimen berbasis aspek pada ulasan pengguna Female Daily.