ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI MEDIA SOSIAL X DI PLAY STORE MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN GATED RECURRENT UNIT (GRU)

Studi Kasus pada Ulasan Pengguna di Google Play Store

Abstrak

Penelitian ini bertujuan untuk membandingkan performa dua algoritma deep learning, yaitu Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU), dalam melakukan klasifikasi sentimen terhadap ulasan pengguna aplikasi media sosial X di Google Play Store. Dataset yang digunakan sebanyak 5.100 data ulasan yang telah diberi label secara manual ke dalam tiga kategori sentimen kelas positif, netral, dan negatif. Proses evaluasi dilakukan melalui 12 skenario kombinasi hyperparameter yang melibatkan variasi nilai learning rate, regularization, epoch, dan batch size. Data dibagi menjadi tiga bagian, yaitu 70% untuk pelatihan, 15% validasi, dan 15% pengujian. Hasil evaluasi menunjukkan bahwa model LSTM dengan skenario 0.002-LSTM-100-512 memberikan performa terbaik dengan akurasi 0.842, presisi 0.730, recall 0.719, dan F1-score 0.724. Sementara itu, model GRU terbaik dengan skenario 0.001-GRU-100-256 menghasilkan akurasi 0.837, presisi 0.713, recall 0.690, dan F1-score 0.696. Meskipun GRU memiliki nilai presisi yang kompetitif, model LSTM unggul dalam semua metrik lainnya, terutama F1-score yang menjadi indikator utama dalam penelitian ini karena mencerminkan keseimbangan antara presisi dan recall. Berdasarkan hasil tersebut, model LSTM dipilih sebagai model paling optimal untuk tugas analisis sentimen dalam studi ini.