<![CDATA[Perkembangan layanan digital pada sektor transportasi mendorong penyedia layanan untuk terus meningkatkan kualitas aplikasi berbasis mobile agar mampu memenuhi kebutuhan pengguna secara optimal. Salah satu pendekatan yang dapat dilakukan untuk memperoleh umpan balik secara objektif adalah melalui analisis sentimen terhadap ulasan pengguna pada Google Play Store. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi Access by KAI menggunakan algoritma Long Short-Term Memory (LSTM) serta mengevaluasi kinerja model berdasarkan metrik evaluasi standar. Data penelitian diperoleh melalui proses web scraping menggunakan pustaka google-play-scraper, menghasilkan sebanyak 2.041 ulasan yang dipublikasikan pada periode Januari 2025 hingga April 2026. Tahapan pengolahan data meliputi cleaning, case folding, normalisasi kata, tokenization, stopword removal, pelabelan sentimen berbasis lexicon, transformasi teks menjadi representasi numerik, serta pembagian dataset menggunakan skema 80:20 untuk data pelatihan dan pengujian. Model LSTM dievaluasi menggunakan accuracy, precision, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi sebesar 92,87%, dengan nilai precision, recall, dan F1-score berturut-turut sebesar 0,93, 0,93, dan 0,93 pada weighted average. Analisis confusion matrix memperlihatkan bahwa model mampu mengidentifikasi sebagian besar sentimen negatif maupun positif secara tepat, meskipun masih ditemukan sejumlah kecil kesalahan klasifikasi akibat variasi konteks linguistik pada ulasan pengguna. Temuan ini menunjukkan bahwa algoritma LSTM efektif diterapkan untuk analisis sentimen berbahasa Indonesia serta berpotensi dimanfaatkan sebagai pendukung evaluasi kualitas layanan dan pengambilan keputusan berbasis data dalam pengembangan aplikasi Access by KAI.]]>
Copyrights © 2026
