Font Size: 

Analisis sentimen merupakan salah satu bentuk pembelajaran mesin yang berfungsi untuk memperoleh nilai polaritas emosi atau tendensi data dari suatu data yang berbentuk teks. Analisis sentimen dibutuhkan untuk menganalisis opini, sentimen, ulasan, dan kritik dari seseorang untuk suatu produk, jasa, pelayanan, organisasi, topik, dan lain-lain. Recurrent Neural Network (RNN) menjadi salah satu algoritme Natural language Processing (NLP) yang digunakan dalam analisis sentiment. RNN merupakan jaringan syaraf yang dapat menggunakan internal memory untuk memproses suatu input. RNN sendiri memiliki kelemahan pada long-term memory (LTM). Oleh karena itu, pada artikel ini dikaji penggabungan algoritme Long-Short Term Memory (LSTM) dan Gated Recurrent Unit (GRU). GRU adalah algoritme yang digunakan untuk membuat setiap recurrent unit dapat merekam secara adiptif pada skala perbedaan waktu. Sementara, LSTM adalah arsitektur jaringan yang memiliki keunggulan dapat mempelajari long-term dependencies pada data. LSTM dapat mengingat informasi LTM, mempelajari data long-sequential, dan membentuk hubungan informasi antar data pada LTM. Penggabungan LSTM dan GRU bertujuan mengatasi kelemahan RNN pada LTM. LSTM-GRU digabungkan dengan menambahkan GRU pada data yang dihasilkan dari LSTM. Penggabungan LSTM dan GRU membuat algoritme dengan performa yang lebih baik untuk mengatasi masalah LTM.

analisis sentimen;RNN; GRU; LSTM