Klasifikasi Dan Prediksi Pada Data Ulasan Traveloka Menggunakan Algoritma Long-Short Term Memory

Penelitian ini bertujuan untuk mengklasifikasikan ulasan pengguna aplikasi Traveloka menggunakan algoritma Long Short-Term Memory (LSTM). Dataset berjumlah 1102 data ulasan yang telah melalui proses pembersihan dan pelabelan manual ke dalam empat kategori: aplikasi, teknis, harga, dan pelayanan. Model LSTM dilatih menggunakan data yang telah ditokenisasi dan menghasilkan akurasi sebesar 89%, precision 0,90, recall 0,89, dan f1-score 0,90. Hasil ini menunjukkan bahwa LSTM efektif dalam memahami konteks ulasan dan memberikan klasifikasi yang akurat. Penelitian ini membuktikan bahwa pendekatan deep learning dapat diandalkan untuk analisis teks berbasis opini pengguna.

Kata Kunci: Traveloka, LSTM, klasifikasi sentimen, variabel, deep learning