Optimasi Model Bilstm untuk Analisis Sentimen Ulasan Film menggunakan Hyperparameter Tuning Random Search

Abstract

Perkembangan pesat industri film dalam satu dekade terakhir ditambah dengan munculnya berbagai platform streaming saat ini. Membuat peningkatan jumlah penonton film yang meningkat pesat. Salah satu faktor penting dalam keputusan penonton untuk menonton film berdasarkan dari ulasan dari pengguna lain. Dengan ulasan yang kini lebih mudah diakses melalui berbagai platform, analisis sentimen menjadi alat yang sangat berharga untuk memahami persepsi penonton. Mengingat tantangan dalam pengembangan model machine learning, terutama dalam konteks analisis sentimen ulasan film, masalah akurasi menjadi fokus utama. Akurasi model sangat berpengaruh terhadap kinerja model dalam implementasi prediksi sentimen. Oleh karena itu, penting untuk melakukan optimalisasi hyperparameter guna meningkatkan akurasi tersebut. Penelitian ini berusaha mengeksplorasi kombinasi hyperparameter dengan menggunakan Random Search. Hasil terbaik yang diperoleh kemudian dibandingkan kinerjanya dengan model BiLSTM dengan parameter umum yang ditetapkan manual. Proses membandingkan kinerja kedua model tersebut dilakukan dengan proses Stratified k-fold cross validation. Hasilnya diperoleh bahwa model dengan parameter hasil Random search lebih unggul dibandingkan dengan model dengan parameter umum yang ditetapkan secara manual. Model dengan parameter umum yang ditetapkan secara manual memperoleh akurasi rata-rata pada Stratified k-fold cross validation yaitu 89,51%, 88,66%, 89,19%, dan 89,39% lebih rendah jika dibandingkan dengan model dengan parameter yang dihasilkan melalui proses Random search yang memperoleh akurasi rata-rata keseluruhan sebesar 96,99%. Model terbaik hasil Random Search kemudian dilakukan pengujian menggunakan sampel ulasan film. Hasil penelitian ini dapat memberikan kontribusi penting dalam bidang analisis sentimen, terkhusus dalam aplikasi NLP untuk ulasan film. Hal ini juga membuka peluang untuk penerapan model BiLSTM yang lebih luas dalam berbagai aspek analisis teks.