PENERAPAN LONG SHORT-TERM MEMORY (LSTM) UNTUK ANALISIS SENTIMEN REVIEW PENGGUNA APLIKASI STRAVA

Aplikasi Strava merupakan platform kebugaran digital yang banyak digunakan untuk memantau aktivitas olahraga, sehingga menghasilkan banyak ulasan pengguna di Google Play Store. Banyaknya ulasan serta variasi bahasa membuat analisis manual menjadi tidak efektif. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna Strava menggunakan metode Long Short-Term Memory (LSTM). Data diperoleh melalui web scraping dengan rentang waktu 2020–2025 sebanyak 6.966 ulasan, yang kemudian diproses menjadi 4.469 ulasan setelah tahap pembersihan data.Penelitian ini menggunakan kerangka kerja SEMMA yang meliputi Sample, Explore, Modify, Model, dan Assess. Tahap Modify mencakup preprocessing teks, pelabelan otomatis menggunakan Indonesian Sentiment Lexicon (InSet), tokenisasi, padding, serta word embedding. Model dilatih dengan skenario 75 epoch dan batch size 64, kemudian dievaluasi menggunakan confusion matrix dan classification report. Hasil menunjukkan bahwa model LSTM mencapai accuracy sebesar 90,9%, dengan precision, recall, dan F1-score masing-masing sebesar 0,91. Secara rinci, kelas negatif memiliki precision 0,88 dan recall 0,93, sedangkan kelas positif memiliki precision 0,94 dan recall 0,89. Hasil ini menunjukkan bahwa metode LSTM efektif dalam mengklasifikasikan sentimen ulasan aplikasi Strava.