ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI TRAVELOKA MENGGUNAKAN WORD2VEC DAN LSTM

Kirana, Danica (2024) ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI TRAVELOKA MENGGUNAKAN WORD2VEC DAN LSTM. Other thesis, UPN Veteran Yogyakarta.

	Text COVER.pdf Download (157kB)
	Text ABSTRAK.pdf Download (231kB)
	Text Halaman Pengesahan Pembimbing.pdf Download (65kB)
	Text Halaman Pengesahan Penguji.pdf Download (80kB)
	Text DAFTAR ISI.pdf Download (217kB)
	Text DAFTAR PUSTAKA.pdf Download (190kB)
	Text FULL SKRIPSI DANICA KIRANA.pdf Restricted to Repository staff only Download (3MB)

Abstract

Persaingan dalam industri layanan perjalanan online semakin ketat, sehingga memahami sentimen pelanggan menjadi krusial bagi platform seperti Traveloka untuk meningkatkan kualitas layanan. Analisis sentimen terhadap ulasan pengguna dapat memberikan wawasan berharga terkait kepuasan pelanggan serta aspek yang perlu diperbaiki. Namun, klasifikasi manual terhadap ribuan ulasan menjadi tidak efisien, sehingga diperlukan pendekatan otomatis dengan teknik pemrosesan bahasa alami (NLP).

Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi Traveloka menggunakan model Long Short-Term Memory (LSTM) yang dipadukan dengan representasi kata Word2Vec. Data yang digunakan dalam penelitian ini terdiri dari 12.689 ulasan yang dikumpulkan dari Kaggle, yang berasal dari hasil scraping ulasan pengguna di Google Play Store. Data kemudian melalui tahapan preprocessing seperti tokenisasi, stopword removal, dan stemming sebelum digunakan dalam pelatihan model. Eksperimen dilakukan dengan berbagai ukuran vektor Word2Vec dan pemodelan LSTM dilakukan dengan menggunakan 4073 data untuk menemukan konfigurasi terbaik dalam representasi kata.

Hasil pengujian menunjukkan bahwa model LSTM pada data pelatihan yang berjumlah 4073 data dengan vector size 400 mencapai akurasi tertinggi sebesar 89%. Sementara itu, penggunaan vector size 100, 200, dan 300 menghasilkan akurasi yang lebih rendah, yaitu 85%, 86%, dan 82% secara berturut-turut. Hal ini menunjukkan bahwa representasi kata yang lebih besar dapat meningkatkan kinerja model dalam analisis sentimen bahasa Indonesia. Penelitian ini berkontribusi dalam pengembangan model analisis sentimen yang lebih akurat untuk bahasa Indonesia, khususnya dalam sektor layanan perjalanan.

Kata kunci: Analisis Sentimen, LSTM, Word2Vec, Ulasan Pengguna, Traveloka

Item Type:	Thesis (Other)
Additional Information:	Danica Kirana (Penulis - 123200055) ; (Pembimbing)
Uncontrolled Keywords:	Analisis Sentimen, LSTM, Word2Vec, Ulasan Pengguna, Traveloka
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	23 Apr 2025 01:43
Last Modified:	23 Apr 2025 01:43
URI:	http://eprints.upnyk.ac.id/id/eprint/42431

Actions (login required)

View Item