<![CDATA[Aplikasi mobile telah menjadi sarana penting bagi perusahaan untuk berinteraksi dengan pengguna dan mengumpulkan umpan balik dari mereka. Salah satu aspek penting dari analisis data aplikasi pengguna adalah analisis sentimen, yang dapat memberikan wawasan pengguna tentang pandangan dan penggunaan aplikasi. Aplikasi MyPertamina yang merupakan layanan e-money juga telah terdaftar dan diawasi oleh Bank Indonesia. MyPertamina berfungsi sebagai sistem pembayaran non tunai. Pada aplikasi MyPertamina dapat memberikan ulasan aplikasi melalui kolom komentar atau memberikan rating dari 1 hingga 5 pada google playstore, namun seringkali pengguna memberikan rating yang tidak sesuai dengan ulasannya sehingga dapat mempengaruhi pelanggan jika ulasannya kurang bagus. Agar mempermudah pengelolaan data ulasan, penelitian ini menggunakan analisis sentiment. Analisis sentimen merupakan suatu metode yang digunakan untuk memahami, mengekstrak, dan mengolah secara otomatis data opini dan tekstual untuk mendapatkan sentimen yang terkandung dalam suatu opini. Penggunaan algoritma Bidirectional Long Short Term Memory (BiLSTM) dan Long Short Term Memory (LSTM) untuk analisis sentimen dari umpan balik pengguna pada aplikasi myPertamina. Penelitian ini menggunakan dataset yang berisi ulasan pengguna dari aplikasi myPertamina yang dikumpulkan dari platform Google PlayStore. Dataset ini secara otomatis dianotasi menggunakan library transformers untuk mengidentifikasi sentimen dari ulasan sebagai positif atau negatif. Selanjutnya, algoritma BiLSTM dan LSTM diterapkan untuk melakukan analisis sentimen pada dataset yang dianotasi. Hasil eksperimen menunjukkan bahwa kedua algoritma BiLSTM dan LSTM mampu menghasilkan sentimen yang cukup baik pada dataset ulasan pengguna myPertamina. BiLSTM menunjukkan kinerja yang lebih baik dibandingkan dengan LSTM, dengan akurasi 90% dan 86,25% untuk model LSTM.]]>
Copyrights © 2024
