Klasifikasi Dan Prediksi Pada Data Ulasan Traveloka Menggunakan Algoritma LSTM

Novandra Hanifah Najlawarni; Tukino Paryono; Fitria Nurapriani; Baenil Huda

doi:10.31539/intecoms.v8i3.15153

Authors

Novandra Hanifah Najlawarni Universitas Buana Karawang
Tukino Paryono Universitas Buana Karawang
Fitria Nurapriani Universitas Buana Karawang
Baenil Huda Universitas Buana Karawang

DOI:

https://doi.org/10.31539/intecoms.v8i3.15153

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan ulasan pengguna aplikasi Traveloka menggunakan algoritma Long Short-Term Memory (LSTM). Dataset terdiri dari 1102 ulasan yang telah diproses melalui tahap pembersihan dan pelabelan manual ke dalam empat kategori, yaitu aplikasi, teknis, harga, dan pelayanan. Hasil pelatihan menunjukkan bahwa model LSTM mampu mengklasifikasikan data dengan akurasi sebesar 89%, precision rata-rata 0,90, recall 0,89, dan f1-score 0,90. Capaian ini menunjukkan bahwa LSTM efektif dalam memproses data teks ulasan dan memberikan prediksi yang andal. Penelitian ini mendukung penerapan deep learning dalam klasifikasi teks berbasis opini pengguna.

References

Amelia, R., & Santoso, D. B. (2023). Prediksi Genre Film Dengan Klasifikasi Multi Kelas Sinopsis Menggunakan Jaringan Lstm Film Genre Prediction With Multi-Class Classification Synopsis Using Lstm Network. Journal Of Information Technology And Computer Science (Intecoms), 6(2).

Fernandes Andry, J., Wandy, W., Sakti Lee, F., & Ronaldo Yusup, C. (2025). Implementation Of Mental Health Data Mining Using Association And Clusterization Implementasi Data Mining Kesehatan Mental Menggunakan Asosiasi Dan Klasterisasi. Journal Of Information Technology And Computer Science (Intecoms), 8(1). Https://Www.Kaggle.Com/Datasets/Cather

Gede, I., Arya Budaya, B., Putu, L., Pratiwi, S., & Agustino, D. P. (N.D.). Klasifikasi Sentimen Untuk Analisis Kepuasan Pelayanan Puskesmas Berbasis Arsitektur Lstm.

Huda, B., Sembiring, I., Setiawan, I., Manongga, D., Dwi Purnomo, H., Fauzi, A., Lia Hananto, A., Kristen Satya Wacana, U., & Buana Perjuangan Karawang, U. (N.D.). Analisis Sentimen E-Learning X Terhadap Antarmuka Pengguna Menggunakan Kombinasi Multinomial Naive Bayes Dan Pendekatan Design Thinking Analysis Of E-Learning X Sentiment On User Interface Using A Combination Of Multinomial Naive Bayes And Design Thinking Approach. Https://Doi.Org/10.25126/Jtiik.1147678

Klasifikasi Hasil Penjualan Minuman Ringan Pada Koperasi Berdasarkan Jenis Barang Menggunakan Algoritma K-Means Clustering. (N.D.).

Kurniawan, W., & Husodo Bisowarno, B. (2024). Deep Learning Dengan Metode Lstm (Long Short-Term Memory) Untuk Pemodelan Kelakuan Dinamik Sistem Distilasi Menggunakan Real Operating Data. In Jurnal Integrasi Proses (Vol. 13, Issue 1). Http://Jurnal.Untirta.Ac.Id/Index.Php/Jip

Pasaribu, D. J. M., Kusrini, K., & Sudarmawan, S. (2020). Peningkatan Akurasi Klasifikasi Sentimen Ulasan Makanan Amazon Dengan Bidirectional Lstm Dan Bert Embedding. Inspiration: Jurnal Teknologi Informasi Dan Komunikasi, 10(1). Https://Doi.Org/10.35585/Inspir.V10i1.2568

Pemilihan Penggunaan Jenis Di Bidan Swasta Henok Hayati Novia Cahya Utami, U. K., Lia Hananto, A., & Shofiah Hilabi, S. (2023). Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naïve Bayes. Journal Of Social Science Research, 3, 503–513.

Prediksi Mata Uang Bitcoin Menggunakan Lstm Dan Sentiment Analisis Pada Sosial Media. (2020). Jurnal Ilmiah Komputasi, 19(4). Https://Doi.Org/10.32409/Jikstik.19.4.370

Putra, T. I. Z. M., Suprapto, S., & Bukhori, A. F. (2022). Model Klasifikasi Berbasis Multiclass Classification Dengan Kombinasi Indobert Embedding Dan Long Short-Term Memory Untuk Tweet Berbahasa Indonesia. Jurnal Ilmu Siber Dan Teknologi Digital, 1(1), 1–28. Https://Doi.Org/10.35912/Jisted.V1i1.1509

Saputri, N. K. T. A., Gunadi, I. G. A., & Sunarya, I. M. G. (2024). Analisis Sentimen Pelayanan Daring Di Fakultas Teknik Dan Kejuruan Universitas Pendidikan Ganesha Menggunakan Algoritma Naïve Bayes Dan Lstm. Malcom: Indonesian Journal Of Machine Learning And Computer Science, 4(3), 1120–1129. Https://Doi.Org/10.57152/Malcom.V4i3.1336

Slamet Riyadi, A., Puspa Wardhani, I., & Andi Perdana, Dan. (2023). Aplikasi Perbandingan Prediksi Harga Bitcoin Menggunakan Deep Learning Dengan Metode Arima, Sarima, Ltsm Dan Gradient Boosting Regressor. Seminar Nasional Teknologi Informasi Dan Komunikasi Sti&K (Sentik), 7(1).

Sovia Pramudita, A., & Agustia, R. E. (N.D.). E-Service Quality Dan E-Promotion Terhadap Keputusan Pembelian Konsumen Pada Website Traveloka.Com. Http://Ejurnal.Poltekpos.Ac.Id/Index.Php/Competitive|105

Tukino, Hananto, A., Nanda, R. A., Novalia, E., Sediyono, E., & Sanjaya, J. (2024). Lstm And Word Embedding: Classification And Prediction Of Puskesmas Reviews Via Twitter. E3s Web Of Conferences, 500. Https://Doi.Org/10.1051/E3sconf/202450001018

Wibiksana, H. (2023). Prediksi Harga Saham Pada Portofolio Investor Dengan Analisis Time Series Harga Saham Menggunakan Ann. Bulletin Of Computer Science Research, 4(1), 10–17. Https://Doi.Org/10.47065/Bulletincsr.V4i1.298

Widhiyasana, Y., Semiawan, T., Gibran, I., Mudzakir, A., & Noor, M. R. (2021). Penerapan Convolutional Long Short-Term Memory Untuk Klasifikasi Teks Berita Bahasa Indonesia (Convolutional Long Short-Term Memory Implementation For Indonesian News Classification). In Jurnal Nasional Teknik Elektro Dan Teknologi Informasi | (Vol. 10, Issue 4).