ELDINA, SERLY and Tekad, Matulatan and Novrizal Fattah, Fahmitra (2025) SENTIMENT ANALYSIS MENGGUNAKAN LONG SHORT TERM MEMORY (LSTM) PADA ULASAN APLIKASI SIREKAP 2024 DI GOOGLE PLAYSTORE. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) SERLY ELDINA_2101020038_Teknik Informatika_Cover.pdf - Published Version Download (489kB)
	Text (Abstrak) SERLY ELDINA_2101020038_Teknik Informatika_Abstrak.pdf - Published Version Download (276kB)
	Text (BAB I) SERLY ELDINA_2101020038_Teknik Informatika_BAB I.pdf - Published Version Download (329kB)
	Text (Daftar Pustaka) SERLY ELDINA_2101020038_Teknik Informatika_Daftar Pustaka.pdf - Published Version Download (503kB)
	Text (Full Teks) SERLY ELDINA_2101020038_Teknik Informatika_Full Teks.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Sirekap merupakan aplikasi rekapitulasi hasil penghitungan suara berbasis digital dan tersedia di Google Playstore. Untuk mengubah data ulasan pengguna menjadi informasi yang bermakna, digunakan pendekatan Machine Learning dalam bidang Natural Language Processing. Ulasan-ulasan tersebut diklasifikasikan ke dalam tiga kategori sentimen, positive, neutral, dan negative, dengan menggunakan model Long Short-Term Memory. Berbagai nilai learning rate diuji untuk memperoleh hasil model yang optimal dengan cara meminimalkan nilai loss function serta menganalisis potensi overfitting melalui kurva pelatihan dan validasi. Hasil pelatihan menunjukkan akurasi training sebesar 89.83% dan akurasi validasi sebesar 83,42%, dengan learning rate 0.0001 terbukti memberikan stabilitas terbaik terhadap model. Evaluasi lebih lanjut dilakukan pada 3430 data uji menggunakan confusion matrix. Nilai weighted average menunjukkan hasil evaluasi dengan accuracy sebesar 84%, precision 83%, recall 84%, dan F1-Score 83%. Hasil ini membuktikan bahwa model Long Short-Term Memory cukup efektif dalam mengklasifikasikan sentimen ulasan pengguna aplikasi Sirekap.

Actions (login required)

View Item