<![CDATA[Peningkatan penggunaan aplikasi layanan digital by.U diikuti oleh bertambahnya jumlah ulasan pengguna pada Google Play Store yang mencerminkan tingkat kepuasan dan ketidakpuasan pengguna. Banyaknya data teks yang tidak terstruktur menyebabkan analisis secara manual menjadi kurang efektif, sehingga diperlukan pendekatan otomatis melalui analisis sentimen. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna ke dalam kategori positif, netral, dan negatif menggunakan metode Convolutional Neural Network (CNN). Sebanyak 3.000 ulasan berhasil dikumpulkan, dan 2.984 ulasan diproses melalui tahapan preprocessing sebelum dilakukan pelabelan sentimen berdasarkan rating pengguna. Dataset kemudian dibagi dengan rasio 80% data latih dan 20% data uji. Penelitian ini melakukan beberapa skenario pengujian untuk menganalisis pengaruh preprocessing dan konfigurasi model terhadap kinerja klasifikasi. Hasil penelitian menunjukkan bahwa model CNN dengan penerapan stopword removal menghasilkan akurasi terbaik sebesar 76%. Sementara itu, hasil evaluasi keseluruhan model menunjukkan akurasi sebesar 73% dengan nilai precision sebesar 75%, recall sebesar 73%, dan F1-score sebesar 73%, yang mengindikasikan performa klasifikasi yang cukup baik. Namun, model masih memiliki keterbatasan dalam mengidentifikasi sentimen netral secara optimal. Kata kunci: Convolutional Neural Network (CNN), ulasan pengguna, klasifikasi teks, Google Play Store]]>
Copyrights © 2026
