<![CDATA[Menganalisis ulasan teks tidak terstruktur di platform digital menghadirkan tantangan pemrosesan bahasa alami yang signifikan akibat bahasa gaul, kesalahan ketik, dan ambiguitas konteks. Penelitian ini mengevaluasi algoritma Long Short-Term Memory (LSTM) dengan ekstraksi Word2Vec untuk analisis sentimen ulasan akomodasi pariwisata. Menggunakan kerangka kerja CRISP-DM, pengumpulan data primer dilakukan dengan mengekstraksi 19.134 ulasan mentah secara masif dari platform Traveloka dan Google Maps. Dataset diseimbangkan menjadi 7.188 data. Untuk mengatasi kompleksitas bahasa, tahap prapemrosesan teks secara strategis mempertahankan kata negasi dan menormalisasi bahasa gaul. Istilah Out-of-Vocabulary (OOV) dipetakan menjadi vektor nol guna menjaga integritas sekuensial LSTM, dilanjutkan dengan pembagian data uji (data split). Hasil pengujian dengan Confusion Matrix menunjukkan model LSTM mencapai akurasi keseluruhan sebesar 85,40%, serta nilai rata-rata makro untuk precision 86%, recall 85%, dan F1-Score 85%. Kinerja ini membuktikan keandalan model dalam mengatasi ambiguitas sentimen. Model terbaik ini kemudian diimplementasikan ke dalam purwarupa aplikasi berbasis web untuk memfasilitasi analisis sentimen massal secara otomatis.]]>
Copyrights © 2026
