Explainable Sentiment Analysis pada Ulasan Aplikasi Shopee Menggunakan Local Interpretable Model-agnostic Explanations

Abstract

Seiring dengan perkembangan teknologi, pertumbuhan e-commerce mengalami peningkatan secara signifikan. Hadirnya aplikasi Shopee sebagai salah satu platform e-commerce terkemuka telah mendorong pengguna untuk melakukan transaksi belanja secara online. Dalam konteks ini, perhatian terhadap peningkatan kualitas aplikasi menjadi penting, khususnya melalui evaluasi ulasan pengguna dengan menggunakan analisis sentimen. Analisis sentimen umumnya mengadopsi pendekatan machine learning, meskipun transparansi dalam proses analisis menjadi tantangan utama. Penelitian ini mencoba mengatasi tantangan tersebut dengan menerapkan aspek baru dari Artificial Intelligence (AI), yang dikenal sebagai eXplainable Artificial Intelligence (XAI), khususnya pada analisis sentimen yang disebut Explainable Sentiment Analysis. Metode Local Interpretable Model-agnostic Explanations (LIME) digunakan untuk menjelaskan faktor-faktor yang mempengaruhi prediksi model machine learning. Model yang dievaluasi yaitu Logistic Regression, Random Forest, Support Vector Machine, dan Naïve Bayes. Hasil penelitian memberikan wawasan yang berharga tentang alasan di balik prediksi sentimen pada ulasan, sehingga diharapkan dapat meningkatkan pemahaman tentang bagaimana model machine learning membuat prediksi pada data tertentu.