ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI TOKOPEDIA MENGGUNAKAN MODEL BILSTM

Perkembangan teknologi informasi telah mendorong peningkatan penggunaan aplikasi e- commerce, salah satunya Tokopedia sebagai salah satu platform terbesar di Indonesia. Ulasan pengguna pada platform seperti Google Play Store menyediakan informasi berharga tentang kepuasan dan pengalaman pengguna. Namun, tingginya volume data dan keragaman bahasa dalam ulasan menyebabkan tantangan dalam mengidentifikasi sentimen secara akurat. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi Tokopedia berbahasa Indonesia ke dalam lima kategori: sangat positif, positif, netral, negatif, dan sangat negatif menggunakan pendekatan Bidirectional Long Short-Term Memory (BiLSTM). Dataset yang digunakan berjumlah 30.000 ulasan yang diperoleh melalui teknik web scraping. Proses analisis mencakup tahapan preprocessing teks (casefolding, cleaning, tokenization, stopword removal, stemming, dan normalization), pelabelan data menggunakan metode leksikal, serta transformasi teks ke bentuk vektor menggunakan word embedding berbasis IndoBERT. Data kemudian dibagi menjadi data latih dan data uji, dan dilakukan pelatihan model klasifikasi BiLSTM. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score melalui confusion matrix.