<![CDATA[Sebagai salah satu platform komunikasi paling banyak digunakan, WhatsApp terus menghadirkan berbagai fitur baru untuk meningkatkan kenyamanan penggunanya. Namun, setiap pembaruan fitur seringkali disertai dengan beragam tanggapan dari pengguna, yang banyak dituangkan melalui ulasan di Google Play Store. Penelitian ini bertujuan untuk mengklasifikasikan sentimen dari ulasan-ulasan tersebut menggunakan metode Long Short-Term Memory (LSTM), sebuah arsitektur Recurrent Neural Network yang unggul dalam menangani data teks yang bersifat sekuensial. Data diperoleh melalui teknik web scraping dan diproses melalui tahapan pra-pemrosesan seperti tokenisasi, pembersihan teks, dan embedding kata. Model LSTM dirancang menggunakan kombinasi layer embedding, bidirectional LSTM, dan dense untuk menghasilkan klasifikasi sentimen ke dalam tiga kategori: positif, negatif, dan netral. Berdasarkan hasil pelatihan, model menunjukkan peningkatan akurasi yang signifikan serta penurunan loss yang stabil, mencapai akurasi validasi di atas 85%. Hasil confusion matrix menunjukkan bahwa model mampu membedakan ketiga jenis sentimen dengan akurasi tinggi dan kesalahan klasifikasi yang minim. Uji coba pada input kalimat baru juga menunjukkan kemampuan model dalam mengenali sentimen secara kontekstual dengan baik. Dengan demikian, pendekatan LSTM terbukti efektif dalam memahami dan menganalisis opini pengguna terhadap fitur-fitur baru WhatsApp]]>
Copyrights © 2025
