Perkembangan teknologi digital dan platform pembelajaran secara daring di Indonesia telah mengubah cara belajar mengajar seperti aplikasi Sekolah.mu. Namun, ulasan pengguna yang terdapat di Google Play Store sering tidak terstruktur, sehingga sulit bagi penngembang aplikasi untuk melakukan evaluasi terhadap aplikasi secara efektif. Analisis sentimen berbasis aspek (ABSA) diperlukan untuk mengolah data ulasan yang tidak terstruktur menjadi informasi yang lebih spesifik yang mencakup aspek seperti konten pembelajaran, performa aplikasi, dan user experience.
Penelitian ini bertujuan untuk menerapkan analisis sentimen berbasis aspek pada aplikasi Sekolah.mu dengan menggunakan algoritma Convolutional Neural Network (CNN). Data ulasan pengguna diambil dari Google Play Store diproses melalui beberapa tahapan dalam Knowledge Discovery in Databases (KDD), kemudian diubah menjadi representasi vektor menggunakan model Word2Vec. Representasi vektor ini digunakan untuk melatih model CNN yang diterapkan untuk dua tugas utama yaitau kalsifikasi sentimen dan klaisfikasi aspek.
Hasil penelitian ini menunjukkan bahwa model CNN berhasil mengklasifikasikan sentimen dengan akurasi sebesar 82% hingga 89% untuk ketiga aspek yang dianalisis. Penelitian ini juga membuat aplikasi prediksi menggunakan Streamlit, yang memungkinkan pengguna memasukkan ulasan mereka secara langsung kemudian menerima hasil prediksi sentimen dan aspek dari ulasan yang dimasukkan. Diharapkan, penelitian ini dapat memberikan kontribusi dalam pemanfaatan analisis sentimen berbasis aspek untuk memahami opini pengguna secara lebih mendalam, serta menjadi dasar pengembangan sistem pendukung keputusan pada platform pembelajaran digital seperti Sekolah.mu.
Kata Kunci—Aplikasi Sekolah.mu, Aspect-Based Sentiment Analysis, Convolutional Neural Network, Streamlit, Word2Vec.