<![CDATA[Analisis sentimen memiliki peranan yang sangat penting dalam pengolahan data ulasan yang terus berkembang seiring dengan kemajuan dalam teknologi informasi dan komunikasi. Salah satu sumber data yang relevan adalah ulasan aplikasi LinkedIn yang terdapat di Play Store, yang mencerminkan pengalaman beragam penggunanya dalam konteks profesional. Mengingat banyaknya jumlah ulasan, pengolahan data secara manual akan memakan waktu yang lama dan beresiko terhadap subjektivitas, sehingga diperlukan metode yang otomatis dan objektif, yaitu analisis sentimen. Penelitian ini bertujuan untuk menganalisis sentimen dari 5.000 ulasan aplikasi LinkedIn dalam periode 2020-2024 dengan pendekatan Hybrid, yang menggabungkan pendekatan berbasis Lexicon dengan menggunakan InSet Lexicon untuk pelabelan sentimen dan pendekatan Machine Learning dengan model Deep Learning, yaitu Long Short-Term Memory (LSTM) untuk pemodelan. Proses pelabelan sentimen menghasilkan 2.755 ulasan positif (55.1%) dan 2.245 ulasan negatif (44.9%). Sementara itu, proses pemodelan melibatkan pengujian pembagian rasio data dan jumlah epoch, dengan hasil kinerja model terbaik ditemukan pada rasio 50:50 dan 30 epoch, mencapai accuracy 88.21%, serta precision, recall, dan f1-score masing-masing sebesar 88%. Temuan ini menunjukkan bahwa pendekatan Hybrid yang diterapkan mampu memberikan kinerja analisis sentimen yang handal dan memberikan wawasan berharga mengenai persepsi pengguna terhadap aplikasi LinkedIn.]]>
