Analisis Sentimen Menggunakan Metode Recurrent Neural Network (RNN) Dengan Long Short Term Memory (LSTM) Pada Review Komentar Aplikasi Traveloka

Pada era industri 5.0 semuanya dapat dilakukan secara online. Hal yang sama berlaku untuk perjalanan, baik memesan tiket transportasi umum untuk liburan, maupun memesan kamar hotel di tempat tujuan yang diinginkan. Salah satu contoh aplikasi tersebut adalah traveloka pada Google Play Store bagi pengguna android. Long Short Term Memory (LSTM) adalah salah satu bentuk populer dari jaringan saraf berulang (RNN) yang dirancang khusus untuk memecahkan masalah ketergantungan jangka panjang dan sangat cocok untuk pemrosesan dan prediksi deret waktu. frekuensi kata terbanyak pada penelitian ini ada pada kata ‘kecewa’ sebanyak 663, kemudain frekuensi kata ‘mudah’ dengan jumlah 529, kata ‘beli’ dengan jumlah ferkuensi “462”, pada kata ‘cepat’ dengan jumlah “320”, dan pada jumlah kata ‘bagus’ dengan jumlah “240” kata. Analisis sentiment pada komentar aplikasi traveloka dengan menggunakan metode Long Short Term Memory pada pembagian training dan testing 80:20 memiliki akurasi sebesar 83% secara tepat.

Kata Kunci: Sentimen, LSTM, Traveloka, Klasifikasi, word cloud.