Implementasi Long-Short Term Memory untuk Melakukan Analisis Sentimen Ulasan Aplikasi pada Google Play Store

Ardianatha, Sang Made Yudha (2025) Implementasi Long-Short Term Memory untuk Melakukan Analisis Sentimen Ulasan Aplikasi pada Google Play Store. Undergraduate thesis, Politeknik Negeri Bali.

	Text (Full Text) RAMA_58302_2115354054_full.pdf - Accepted Version Restricted to Repository staff only Download (8MB) | Request a copy
	Text (Cover, Bab 1, Bab 5 dan Referensi) RAMA_58302_2115354054_198504132014042001_198704252024212029_part.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (462kB)
	Text (iThenticate) RAMA_58302_2115354054_iThenticate.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Di era digital saat ini, peningkatan penggunaan aplikasi mobile mendorong pentingnya pemahaman terhadap ulasan pengguna sebagai dasar evaluasi dan pengembangan aplikasi. Namun, volume ulasan yang besar, gaya bahasa yang informal, serta struktur kalimat yang tidak teratur menjadi tantangan dalam menganalisisnya secara manual. Penelitian ini bertujuan untuk mengatasi tantangan tersebut dengan menerapkan metode Long Short-Term Memory (LSTM) untuk analisis sentimen ulasan aplikasi di Google Play Store. Data sebanyak 7.235 (3606 ulasan negatif, 2501 ulasan positif, dan 1128 ulasan netral) ulasan dikumpulkan menggunakan library google-play-scraper dan diberi label secara manual ke dalam tiga kelas sentimen: positif, negatif, dan netral. Proses preprocessing mencakup pembersihan teks, case folding, perbaikan slangword, tokenisasi, stopword removal, serta penggunaan library Sastrawi untuk melakukan stemming. Model LSTM kemudian dilatih untuk mengklasifikasikan sentimen ulasan, menghasilkan akurasi sebesar 87,21%. Hasil ini menunjukkan bahwa model memiliki kemampuan yang baik dalam menangani teks berbahasa informal dan mampu mengidentifikasi sentimen pengguna secara efektif, meskipun masih terdapat tantangan dalam membedakan sentimen netral akibat ketidakseimbangan data dan ambiguitas makna. Sebagai implementasi, aplikasi web berbasis Flask berhasil dikembangkan dengan antarmuka yang ramah pengguna. Aplikasi ini mendukung input teks tunggal, file Excel, serta pengambilan ulasan langsung dari Google Play Store. Hasil analisis disajikan dalam bentuk visualisasi pie chart dan wordcloud, serta dapat diunduh untuk keperluan dokumentasi atau analisis lanjutan. Penelitian ini membuktikan bahwa kombinasi antara LSTM dan aplikasi web Flask dapat memberikan solusi yang efektif dan efisien dalam menganalisis sentimen ulasan aplikasi secara otomatis.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Analisis Sentimen, LSTM, Google Play Store, Preprocessing, Flask
Subjects:	Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Perangkat Lunak
Divisions:	Jurusan Teknologi Informasi > Prodi D4 Teknologi Rekayasa Perangkat Lunak > Skripsi
Depositing User:	Sang Made Yudha Ardianatha
Date Deposited:	02 Sep 2025 04:02
Last Modified:	02 Sep 2025 04:02
URI:	https://repository.pnb.ac.id/id/eprint/18246

Actions (login required)

View Item