Muhammad Febrian Putra Yolanda
Universitas Bina Sarana Informatika

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Analisis Sentimen Ulasan Lazada Menggunakan Metode Long Short-Term Memory Irgi Kurniawan; Haykal Ryan Andre; Muhammad Febrian Putra Yolanda; Giatika Chrisnawati
Nusantara Journal of Multidisciplinary Science Vol. 3 No. 6 (2026): NJMS - Januari 2026
Publisher : PT. Inovasi Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pertumbuhan pesat e-commerce di Indonesia, khususnya pada platform Lazada, telah memicu lonjakan volume ulasan pengguna di ranah digital. Meskipun ulasan ini memuat wawasan krusial mengenai kepuasan konsumen, analisis manual terhadap ribuan data teks menjadi tidak efisien. Studi ini bertujuan menerapkan analisis sentimen pada ulasan pengguna Lazada untuk mengelompokkan opini ke dalam klasifikasi positif dan negatif. Metode yang diterapkan adalah Long Short-Term Memory (LSTM), sebuah model Deep Learning yang unggul dalam pemrosesan teks karena kemampuannya mengenali ketergantungan jangka panjang dalam urutan kata. Kebaruan penelitian ini terletak pada optimalisasi pra-pemrosesan teks Bahasa Indonesia yang komprehensif, mencakup cleansing, case folding, normalisasi kata tidak baku, filtering, hingga stemming. Data ulasan dikumpulkan melalui teknik scraping dari Google Play Store. Hasil riset menunjukkan bahwa integrasi metode LSTM dengan pra-pemrosesan teks yang optimal mampu meningkatkan akurasi model secara signifikan dibandingkan data mentah. Model ini diharapkan dapat menyajikan wawasan strategis otomatis bagi manajemen Lazada guna meningkatkan kualitas layanan berbasis umpan balik pengguna yang akurat