Klasifikasi Sentimen Analisis Ulasan Aplikasi Alfagift Menggunakan Algoritma Long Short Term Memory

Abstract

Alfagift adalah aplikasi resmi dari Alfamart yang memungkinkan pengguna untuk berbelanja secara online. Berbagai ulasan dan penilaian telah diberikan oleh pengguna. Ulasan merupakan teks yang panjang dan tidak terstruktur. Hal ini dapat menyulitkan pengembang aplikasi Alfagift dalam mencari tau ruang lingkup mana yang harus diperbaiki. Oleh sebab itu, tujuan penelitian ini ialah untuk membuat sebuah model klasifikasi ulasan aplikasi Alfagift yang ada di Google Play Store. Ulasan tersebut akan dibagi menjadi lima kategori yaitu transaksi, sistem, promosi, pelayanan, dan keamanan. Algoritma Long Short Term Memory(LSTM) dengan optimasi Adadelta digunakan untuk mengembangkan model klasifikasi. Hasil dari model tersebut memiliki tingkat accuracy 95% mencerminkan seberapa sering model memberikan prediksi yang tepat secara keseluruhan. Precision 94% menunjukkan bahwa model cukup tepat dalam memberikan label. Recall 93% menunjukan model cukup sensitif dalam mendeteksi ulasan yang seharusnya masuk dalam kategori tersebut. F1-Score 94% menunjukkan model memiliki tingkat keseimbangan yang baik antara kemampuan menangkap ulasan yang benar dan kemampuan menghindari kesalahan prediksi.