<![CDATA[Aplikasi Info BMKG menyediakan informasi cuaca dan iklim bagi masyarakat Indonesia. Ulasan pengguna di Google Play Store merefleksikan kepuasan dan kritik yang dapat dianalisis untuk peningkatan layanan. Penelitian ini bertujuan mengklasifikasikan sentimen dan memprediksi volume ulasan menggunakan Recurrent Neural Network (RNN) dan Long Short-Term Memory (LSTM). Sebanyak 3000 ulasan diperoleh melalui web scraping dan setelah diproses dengan pembersihan data, tokenisasi, stemming, penghapusan stopword, dan labelling, maka jumlahnya menjadi 2645 ulasan. Hasil menunjukkan LSTM unggul pada klasifikasi sentimen dengan akurasi 90% dan F1-score 0,90, sedangkan RNN memperoleh akurasi 87% dan F1-score 0,82. Pada prediksi jumlah ulasan negatif, RNN lebih baik (MSE: 104,97; MAE: 7,61; R²: 0,22), sementara kedua model kurang optimal untuk kategori positif (R² negatif). Temuan ini menunjukkan LSTM lebih efektif untuk klasifikasi, sedangkan RNN lebih unggul dalam prediksi ulasan negatif]]>
Copyrights © 2025
