Bulletin of Information System Research
Vol 4 No 3 (2026): Agustus 2026

Ensemble Hybrid LSTM, SVM, dan Lexicon-Based untuk Analisis Sentimen Ulasan TikTok Bahasa Indonesia Informal

Roki Akbar (universitas bina sarana informatika, Pontianak)
Windi Irmayani (universitas bina sarana informatika, Pontianak)
Muhammad Ifan Rifani Ihsan (universitas bina sarana informatika, Pontianak)



Article Info

Publish Date
02 Aug 2026

Abstract

Penelitian ini mengembangkan pendekatan Ensemble Hybrid untuk analisis sentimen ulasan aplikasi TikTok berbahasa Indonesia informal dengan mengintegrasikan tiga metode: Long Short-Term Memory (LSTM), Support Vector Machine (SVM), dan Lexicon-Based Methods. Masalah utama penelitian adalah tingginya volume ulasan pengguna dan kompleksitas bahasa informal yang menyulitkan analisis manual. Dataset yang digunakan terdiri dari 29.385 ulasan pengguna TikTok dari Google Play Store. Proses preprocessing meliputi enam tahapan: case folding, cleansing, tokenisasi, normalisasi slang, stopword removal, dan stemming. Evaluasi kinerja dilakukan menggunakan metrik accuracy, precision, recall, dan F1-Score. Hasil pengujian menunjukkan bahwa metode tunggal terbaik adalah SVM dengan akurasi 90,61%, diikuti LSTM (87,08%) dan Lexicon-Based (85,96%). Pendekatan Ensemble Hybrid yang mengintegrasikan ketiga metode berhasil meningkatkan akurasi menjadi 92,15%. Peningkatan ini membuktikan bahwa integrasi metode efektif menangani variasi linguistik informal.

Copyrights © 2026






Journal Info

Abbrev

bios

Publisher

Subject

Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Description

Bidang Kajian dari jurnal Bulletin of Information System Research (BIOS), pada bidang ilmu komputer diantaranya, yaitu: Sistem Pendukung Keputusan Kecerdasan Buatan Data Mining Sistem Informasi Manajemen Informatika Sistem Pakar Big Data Text ...