Skripsi

Analisis Sentimen Komentar Pengguna Aplikasi Kitalulus Menggunakan Metode Long Short Term Memory

---

ABSTRAK
HALFIANI, Analisis Sentimen Komentar Pengguna Aplikasi KitaLulus Menggunakan Metode Long Short Term Memory (dibimbing oleh Nurzaenab dan Tatik Maslihatin).
Permasalahan yang terjadi adalah aplikasi KitaLulus, yang merupakan platform digital untuk membantu pencari kerja membuat CV dan menemukan lowongan pekerjaan secara online, mengalami penurunan popularitas akibat ulasan dan feedback negatif dari pengguna. Hal ini berdampak pada reputasi aplikasi secara keseluruhan. Oleh karena itu, analisis sentimen diperlukan untuk memahami reaksi pengguna dan memberikan informasi yang berguna bagi pengembang dalam meningkatkan kualitas pengalaman pengguna.Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna aplikasi KitaLulus menggunakan metode Long Short Term Memory (LSTM) serta membandingkan efektivitasnya dengan Recurrent Neural Network (RNN). Data ini diperoleh melalui studi pustaka dan pengambilan ulasan secara otomatis dari Google Play Store. Metode yang digunakan dalam penelitian adalah analisis sentimen dengan pendekatan machine learning, khususnya LSTM dan RNN. Hasil penelitian ini menunjukkan bahwa LSTM lebih unggul dengan akurasi tertinggi sebesar 91.51% pada 2500 data, dibandingkan dengan RNN yang memiliki akurasi sebesar 88.48%. Penelitian ini memberikan manfaat bagi pengembang aplikasi dalam memahami persepsi pengguna melalui analisis sentimen yang lebih akurat, sehingga dapat dijadikan acuan untuk meningkatkan kualitas layanan.
Kata Kunci: Analisis Sentimen, LSTM, RNN, KitaLulus, Machine Learning

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

SKR HAL a

Penerbit

Makassar : UNITAMA., 2024

Deskripsi Fisik

xiv + 117 hlm., 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

REF HAL a

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

Pembimbing I: Nurzaenab Dan Pembimbing II: Tatik Maslihatin

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar