PENERAPAN LONG SHORT TERM MEMORY (LSTM) UNTUK ANALISIS SENTIMEN PADA ULASAN PENGGUNA SPOTIFY DI GOOGLE PLAY STORE

FIRMANSAH, PAJAR (2025) PENERAPAN LONG SHORT TERM MEMORY (LSTM) UNTUK ANALISIS SENTIMEN PADA ULASAN PENGGUNA SPOTIFY DI GOOGLE PLAY STORE. Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text COVER.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (191kB)
	Text LEMBAR PENGESAHAN.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (556kB)
	Text LEMBAR PERNYATAAN.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (747kB)
	Text ABSTRAK BAHASA INDONESIA.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (190kB)
	Text ABSTRAK BAHASA INGGRIS.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (172kB)
	Text BAB 1.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (294kB)
	Text DAFTAR PUSTAKA.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (219kB)
	Text HASIL CEK PLAGIARISME.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (677kB)
	Text SKRIPSI FULLrev.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (7MB) | Request a copy

Abstract

ABSTRAK Pajar Firmansah, Penerapan Long Short Term Memory (LSTM) untuk Analisis Sentimen pada Ulasan Pengguna Spotify di Google Play Store, di bawah bimbingan Ibu Rini Nuraini Sukmana, S.T., M.T. Pertumbuhan aplikasi layanan streaming musik seperti Spotify memunculkan beragam ulasan dari pengguna yang tersedia di platform Google Play Store. Ulasan-ulasan tersebut mengandung opini yang dapat dimanfaatkan untuk mengetahui kepuasan pengguna terhadap layanan yang disediakan. Penelitian ini bertujuan untuk menerapkan metode Long Short-Term Memory (LSTM) dalam analisis sentimen guna mengklasifikasikan ulasan pengguna Spotify ke dalam kategori sentimen positif, negatif, dan netral Metode yang digunakan melibatkan beberapa tahap utama, seperti pengumpulan data ulasan dari Kaggle, preprocessing teks (case folding, normalisasi, tokenisasi, stopword removal, dan lemmatization), pelabelan data, serta pelatihan dan evaluasi model LSTM. Dataset yang digunakan sebanyak 85.501 ulasan pengguna dengan pembagian data training dan testing sebesar 80:20. Hasil dari pelatihan dan evaluasi model menunjukkan bahwa metode LSTM mampu mengklasifikasikan sentimen dengan tingkat akurasi mencapai 90%. Analisis sentimen ini diharapkan dapat memberikan wawasan yang bermanfaat bagi pengembang aplikasi dalam memahami persepsi dan kebutuhan pengguna secara lebih mendalam serta sebagai dasar dalam pengambilan keputusan strategis untuk peningkatan kualitas layanan. Kata Kunci: Long Short-Term Memory (LSTM), Analisis Sentimen, Spotify, Ulasan Pengguna, Google Play Store, Pemrosesan Bahasa Alami.

Actions (login required)

View Item