<![CDATA[Tujuan: Dapat mengetahui tingkat performa algoritma Long-Short Term Memory dalam melakukan analisis sentimen ulasan pantai di Yogyakarta.Perancangan/metode/pendekatan: Penelitian ini menggunakan algoritma Long-Short Term Memory (LSTM) dengan kombinasi word2vec untuk menangani data sequential. Data yang digunakan bersumber dari ulasan google maps dan diberi label secara manual. Proses yang dilakukan adalah mengumpulkan data, preprocessing, sentence conversion, word2vec, kemudian dilakukan klasifikasi. Terakhir, dilakukan pengujian menggunakan confusion matrix dan kurva ROC untuk mencari nilai akurasi, presisi, recall, dan nilai AUC. Pengujian menggunakan persentase data latih 80% dan data uji 20% dengan pendekatan K-fold cross validation.Hasil: Hasil pengujian dengan confusion matrix menghasilkan nilai akurasi rata-rata 84%, presisi 76%, dan recall 0.73% untuk model sentimen. Sedangkan untuk model kategori diperoleh akurasi rata-rata sebesar 76%, presisi 75%, dan recall 0.74%. Hasil pengujian dengan kurva ROC diperoleh nilai rata-rata AUC 0.73 (fair classification) untuk model sentimen. Sedangkan untuk model kategori diperoleh nilai rata-rata AUC 0.83 (good classification).Keaslian/ state of the art: Penelitian ini mengimplementasikan salah satu algoritma deep learning yaitu LSTM dengan metode pembobotan word embedding untuk menguji performa klasifikasi teks. Pengujian yang dilakukan adalah membandingkan performa implementasi LSTM untuk klasifikasi binary class dan multiclass.]]>
