<![CDATA[Seiring meningkatnya penggunaan media sosial, masyarakat semakin aktif menyuarakan opini terhadap layanan publik, termasuk TransJakarta. Platform X (sebelumnya Twitter) menjadi wadah utama pengguna untuk menyampaikan apresiasi maupun keluhan terhadap layanan transportasi tersebut. Kondisi ini mendorong perlunya analisis sentimen otomatis guna memahami persepsi publik secara luas dan efisien. Penelitian ini bertujuan mengklasifikasikan sentimen komentar pengguna terhadap layanan TransJakarta dalam program JakLingko dengan memanfaatkan kombinasi metode Word2Vec dan Convolutional Neural Network (CNN). Komentar dikumpulkan melalui crawling dan diproses melalui tahapan pre-processing seperti pembersihan teks, tokenisasi, dan stemming. Representasi teks dilakukan menggunakan dua pendekatan Word2Vec, yaitu Continuous Bag-of-Words (CBOW) dan Skip-gram, dengan parameter vector size 100, window size 5, min count 3, dan 10 epoch. Model CNN dibangun dengan kernel size 3, 16 filter, dropout rate 0,5, batch size 32, serta optimizer Adam. Pengujian dengan 5-Fold Cross Validation menunjukkan pendekatan Skip-gram menghasilkan kinerja lebih baik dibandingkan CBOW, dengan F1-Score tertinggi 0,7163 dan MCC 0,5900. Pada pengujian akhir, model CNN dengan embedding Skip-gram dan konfigurasi learning rate 0,0005 serta 15 epoch memperoleh F1-Score 0,7167, MCC 0,5898, dan akurasi 0,7276.]]>
Copyrights © 2025
