<![CDATA[Aplikasi layanan transportasi seperti Gojek sudah menjadi bagian dari kehidupan sehari-hari masyarakat. Seiring bertambahnya jumlah pengguna, makin banyak juga ulasan yang masuk terkait pengalaman mereka menggunakan aplikasi ini. Namun, sering ditemukan ketidaksesuaian antara skor bintang yang diberikan dengan isi ulasan, seperti pemberian skor tinggi yang disertai keluhan atau pengalaman buruk. Hal ini dapat menyulitkan pihak Gojek dalam mengidentifikasi kendala layanan atau sentimen pengguna apabila hanya mengandalkan skor bintang. Salah satu solusi untuk membantu pihak Gojek dalam mengidentifikasi kendala layanan secara otomatis adalah menerapkan analisis sentimen berbasis algoritma Long Short-Term Memory (LSTM) terhadap ulasan pengguna di Google Play Store. Penelitian ini bertujuan untuk menerapkan algoritma LSTM dalam melakukan klasifikasi sentimen ulasan pengguna ke dalam tiga kategori, yaitu positif, netral, dan negatif. Kontribusi penelitian ini terletak pada pengembangan model klasifikasi tiga kelas berbasis LSTM dengan pelabelan manual berbasis konteks, penerapan Random Oversampling untuk menangani kelas minoritas, serta preprocessing teks mendalam dan embedding FastText untuk meningkatkan performa model. Hasil pengujian menunjukkan model LSTM mencapai akurasi 88.15%, dengan F1 score positif 73%, netral 7%, dan negatif 94%. Model Bidirectional LSTM sebagai pembanding mencapai akurasi 90.32%, dengan F1 score positif 78%, netral 12%, dan negatif 95%. Kelas netral dapat diprediksi oleh kedua model, namun masih sulit diprediksi secara akurat.]]>
