Aplikasi Tiket.com merupakan pelopor penyedia layanan online travel agent yang cukup populer di indonesia. Pengunjung Tiket.com semakin meningkat sepanjang tahun 2025. Karena peningkatan itu, semakin banyak pengguna yang memberikan keluhan dan tanggapan terhadap penggunaan aplikasi. Untuk memahami pandangan dan kecenderungan sentimental terhadap suatu produk atau peristiwa dengan cepat, dilakukan analisis sentimen teks terhadap pendapat yang disampaikan oleh pengguna. Metode Long Short Term Memory (LSTM) digunakan dalam menganalisis sentimen ulasan aplikasi Tiket.com. Algoritma LSTM dipilih karena kemampuannya dalam menangani data berurutan (sequence) dan mengenali pola jangka panjang dalam data teks, yang sangat penting dalam analisis sentimen. Pembangunan model LSTM menggunakan optimasi hyperparameter untuk mendapatkan model dengan kinerja terbaik dengan menentukan kombinasi parameter neuron, epoch, dan dropoutt terbaik pada model. Dalam Penelitian ini digunakan data ulasan pengguna aplikasi Tiket.com selama periode tahun 2018 sampai 2025. Berdasarkan hasil pengujian model dengan parameter neuron 128, epoch 20, dan dropout 0,5 menghasilkan kinerja terbaik dengan nilai akurasi sebesar 91,41%, presisi sebesar 91,57%, dan recall sebesar 91,46%.

S12101

INF 0128 2025

Bekasi

Tersedia