Penerapan Long Short-Term Memory Untuk Analisis Sentimen Ulasan Aplikasi Cryptocurrency Exchange Indonesia

Dwijananda Galih Prameswara (Universitas Nusantara PGRI Kediri)
Ahmad Bagus Setiawan (Universitas Nusantara PGRI Kediri)
Intan Nur Farida (Universitas Nusantara PGRI Kediri)

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026

Cryptocurrency exchange merupakan platform digital yang banyak digunakan untuk melakukan transaksi aset kripto. Banyaknya ulasan pengguna pada Google Play Store dan Apple App Store menyulitkan proses analisis secara manual sehingga diperlukan metode analisis sentimen otomatis. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna lima aplikasi cryptocurrency exchange di Indonesia, yaitu Pintu, Tokocrypto, Indodax, Ajaib, dan Reku. Metode yang digunakan adalah Long Short-Term Memory (LSTM) dengan word embedding FastText. Dataset penelitian terdiri dari 27.500 ulasan yang diperoleh melalui web scraping dan API. Tahapan penelitian meliputi preprocessing data, pelatihan model, dan evaluasi menggunakan confusion matrix serta classification report. Hasil pengujian menunjukkan model memperoleh akurasi sebesar 86%. Analisis sentimen menunjukkan bahwa Indodax memperoleh sentimen positif tertinggi secara keseluruhan sebesar 89,58%, sedangkan Tokocrypto unggul pada kategori Trading dan Lainnya. Hasil penelitian dapat digunakan sebagai bahan evaluasi bagi pengembang aplikasi dan referensi bagi pengguna dalam memilih cryptocurrency exchange.