ASPECT-BASED SENTIMENT ANALYSIS PADA ULASAN PRODUK FEMALE DAILY DENGAN LATENT DIRICHLET ALLOCATION MENGGUNAKAN METODE LONG SHORT-TERM MEMORY

Perkembangan industri kosmetik di Indonesia mengalami peningkatan pesat seiring meningkatnya partisipasi masyarakat dalam memberikan ulasan produk kecantikan melalui platform digital, salah satunya Female Daily. Ulasan yang bersifat tidak terstruktur dan sering mencakup lebih dari satu aspek dalam satu komentar menyebabkan analisis manual menjadi kurang efektif. Selain itu, penelitian analisis sentimen umumnya masih berfokus pada klasifikasi sentimen secara umum tanpa mempertimbangkan aspek yang dibahas. Penelitian ini menerapkan pendekatan Aspect-Based Sentiment Analysis (ABSA) dengan mengombinasikan metode Latent Dirichlet Allocation (LDA) dan Long Short-Term Memory (LSTM). Hasil pengujian LDA menunjukkan jumlah topik terbaik diperoleh pada k 5 dengan nilai coherence c_v 0,428, yang diinterpretasikan sebagai aspek kemasan, aroma, tekstur, harga, dan efek pemakaian. Klasifikasi sentimen menggunakan metode LSTM pada masing-masing aspek menghasilkan performa tertinggi pada aspek harga dengan akurasi 92,48% pada skenario split data 80:20, 200 unit neuron, epoch 20, dan batch size 32. Aspek efek mencapai akurasi 86,07% menggunakan split data 80:20, 200 unit neuron, epoclh 10, dan batch size 32. Aspek kemasan memperoleh akurasi 84,78% dengan skenario split data 80:20, 100 unit neuron, epoch 20, dan batch size 64. Aspek tekstur mencapai akurasi 78,69% menggunakan split data 80:20, 200 unit neuron, epoch 20, dan batch size 32. Aspek aroma menghasilkan akurasi terendah 78,64% pada split data 80:20, 100 unit neuron, epoch 20, dan batch size 32. Secara keseluruhan, hasil akurasi dipengaruhi oleh jumlah dan proporsi data yang berbeda pada masing-masing aspek untuk penelitian analisis sentimen berbasis aspek pada ulasan pengguna Female Daily.