NELVI YULIANTI, - (2025) ANALISIS SENTIMEN MASYARAKAT MENGGUNAKAN ALGORITMA LONG SHORT-TERMMEMORY (LSTM) PADA ULASAN APLIKASI HALO DOC. Building of Informatics, Technology and Science (BITS), 7 (2). ISSN 2685-3310

Preview	Text (ARTIKEL JURNAL) Nelvi Yulianti_Print - NELVI YULIANTI SISTEM INFORMASI.pdf - Published Version Download (2MB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI MAHASISWA) SURAT PERNYATAAN SERAH TERIMA - NELVI YULIANTI SISTEM INFORMASI.pdf - Published Version Download (314kB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI DOSEN PEMBIMBING) Nelvi Y.pdf - Published Version Download (211kB) | Preview

Abstract

Abstrak−Halodoc merupakan platform layanan kesehatan digital yang memberikan kemudahan bagi pengguna dalam mengakses layanan medis secara online. Penelitian ini dilakukan untuk mengetahui sentimen masyarakat terhadap aplikasi Halodoc berdasarkan 1.416 ulasan pengguna yang dikumpulkan selama periode Juli hingga September 2024. Ulasan tersebut diklasifikasikan ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral, dengan menggunakan algoritma Long Short-Term Memory (LSTM). Sebelum dilakukan klasifikasi, teknik Word2Vec digunakan untuk mengubah kata-kata dalam ulasan menjadi representasi vektor numerik agar dapat diproses oleh model. Berdasarkan hasil analisis, ditemukan bahwa sebagian ulasan mengandung sentimen negatif, yang sebagian besar terkait dengan masalah keterlambatan pengiriman obat serta lambatnya respons dari layanan pelanggan. Evaluasi performa model menunjukkan bahwa penerapan algoritma LSTM yang dioptimasi menggunakan metode Adam (Adaptive Moment Estimation) serta regularisasi dropout sebesar 0.2 berhasil menghasilkan akurasi tertinggi sebesar 89,40% dan F1-score mencapai 88,63%. Hasil ini menunjukkan bahwa model mampu mengklasifikasikan sentimen dengan sangat baik dan dapat digunakan sebagai alat bantu dalam memahami kepuasan pengguna terhadap aplikasi Halodoc. Kata Kunci: Google Play Store; Halodoc; LSTM; Analisis Sentimen; Word2Vec

Actions (login required)

View Item