IMPLEMENTASI BI-LSTM DAN SMOTE UNTUK PENANGANAN IMBALANCED DATA PADA ANALISIS SENTIMEN ULASAN MOBILE JKN

Rumbekwan, Alfredo Mikha Georel Lie (2026) IMPLEMENTASI BI-LSTM DAN SMOTE UNTUK PENANGANAN IMBALANCED DATA PADA ANALISIS SENTIMEN ULASAN MOBILE JKN. ["eprint_fieldopt_thesis_type_skripsi" not defined] thesis, Institut Teknologi Nasional Malang.

	Text 2218024_COVER.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (749kB)
	Text 2218024_BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (285kB)
	Text 2218024_BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (731kB) | Request a copy
	Text 2218024_BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB) | Request a copy
	Text 2218024_BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (5MB) | Request a copy
	Text 2218024_BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (216kB) | Request a copy
	Text 2218024_DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (186kB)
	Text 2218024_LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (5MB) | Request a copy

Abstract

Aplikasi Mobile JKN merupakan kanal layanan digital BPJS Kesehatan yang telah menerima lebih dari 954.000 ulasan pengguna di Google Play Store. Volume data yang masif ini menjadikan analisis sentimen otomatis sebagai kebutuhan strategis, namun distribusi ulasan yang tidak seimbang (imbalanced data) antara kelas negatif dan positif berpotensi menghasilkan model yang bias terhadap kelas mayoritas. Penelitian ini mengusulkan integrasi arsitektur Bidirectional Long Short-Term Memory (Bi-LSTM) dengan prosedur split-aware SMOTE untuk menangani permasalahan tersebut secara metodologis. Dataset yang digunakan terdiri dari 20.247 ulasan berbahasa Indonesia hasil scraping Google Play Store, dengan distribusi 68,64% negatif dan 31,36% positif (rasio 2,19:1). Representasi fitur dibangun menggunakan Word2Vec Skip-gram berdimensi 100 yang dilatih secara mandiri (trained from scratch) pada korpus data latih. SMOTE diterapkan secara eksklusif pada data latih setelah pemisahan dataset untuk mencegah kebocoran data (data leakage). Validasi statistik dilakukan menggunakan Wilcoxon Signed-Rank Test berbasis 10 iterasi Repeated Holdout. Model terbaik mencapai akurasi 91,26% dengan Macro F1-Score 89,51%, nilai F1 kelas negatif 93,79%, dan F1 kelas positif 85,24%. Hasil uji Wilcoxon menghasilkan nilai p-value sebesar 0,1875 (p > 0,05), sehingga H₀ gagal ditolak. Temuan ini mengindikasikan bahwa arsitektur Bi-LSTM secara mandiri telah memiliki ketangguhan yang memadai dalam menangani kondisi imbalanced data pada rasio 2,19:1.

Item Type:	Thesis (["eprint_fieldopt_thesis_type_skripsi" not defined])
Additional Information:	Alfredo Mikha Georel Lie Rumbekwan (2218024)
Uncontrolled Keywords:	Analisis Sentimen, Bi-LSTM, Imbalanced Data, Mobile JKN, SMOTE
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Alfredo Mikha Georel Lie Rumbekwan
Date Deposited:	31 Jul 2026 08:33
Last Modified:	31 Jul 2026 08:33
URI:	http://eprints.itn.ac.id/id/eprint/16307

Actions (login required)

View Item