Sebagian besar toko online menyediakan fasilitas ulasan produk yang berisi
tanggapan-tanggapan terhadap suatu produk. Banyaknya jumlah ulasan menyulitkan para
calon pembeli untuk mengambil kesimpulan, sehingga diperlukan analisis sentimen
untuk mengekstrak informasi dari ulasan-ulasan tersebut. Kebanyakan analisis sentimen
dilakukan pada level dokumen sehingga hasil masih kurang detail karena klasifikasi
dilakukan berdasarkan keseluruhan kalimat atau dokumen dan tidak mengidentifikasi
aspek yang dibicarakan secara spesifik. Penelitian ini bertujuan untuk melakukan
klasifikasi sentimen berbasis aspek terhadap ulasan toko online berbahasa Indonesia
menggunakan metode Convolutional Neural Network (CNN) dengan ekstraksi fitur
menggunakan Word2Vec. Data yang digunakan pada penelitian ini adalah 4060 ulasan
pengguna aplikasi Tokopedia yang diperoleh melalui scraping. Dilakukan pelabelan
sentiment yang menghasilkan 2903 ulasan bersentimen positive, 585 ulasan bersentimen
neutral dan 572 ulasan bersentimen negative. Proses preprocessing yang dilakukan
diantaranya case folding, menghapus symbol, angka, stemming, dan tokenisasi. Hasil
pengujian pada sistem yang dibangun memperlihatkan bahwa metode CNN dengan
ekstraksi fitur Word2Vec memiliki nilai score yang lebih baik daripada metode naive bayes
dengan nilai akurasi 81%.
Kata Kunci : Convolutional Neural Network (CNN), Word2Vec, Akurasi