Article Per Year (5 Year)
p-Index From 2021 - 2026
1.642
P-Index
This Author published in this journals
All Journal Jurnal Teknik Komputer AMIK BSI Journal on Education Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JIKA (Jurnal Informatika) International Journal Software Engineering and Computer Science (IJSECS) Jurnal Minfo Polgan (JMP) Jurnal Sistim Informasi dan Teknologi Nusantara Journal of Multidisciplinary Science Jurnal Ticom: Technology of Information and Communication Jurnal Infortech
Giatika Chrisnawati
Universitas Bina Sarana Informatika
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
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
Co-Authors Ayuliana Ayuliana Cut Susan Octiva Dewi Laraswati Dikky Suryadi Dinda Ayu Muthia Emma Budi Sulistiarini Firman Prasetyo Nugroho Ghofar Taufiq Ghudzamir 'Ammar Ibrahim Pasaribu Handry Eldo Haykal Ryan Andre Helson Hamid Ikrom Mauludin Salam Indarti Irgi Kurniawan Loso Judijanto Maryadi Maryadi Muhamad Risal Tawil Muhammad Febrian Putra Yolanda Muhammad Lukman Hakim Muhammad Rifqi Maulana Musran Munizu Natanael Vica Eungaggalion Nino Andera Novi Rahayu Randi Maulana Rizkia Shaulita Siswahyudianto Sri Asfiati Taufik Rahman Teguh Rahmat Zaini Tutuk Aldino Wasiran Wasiran