Analisis Sentimen Ulasan Lazada Menggunakan Metode  Long Short-Term Memory

Irgi Kurniawan; Haykal Ryan Andre; Muhammad Febrian Putra Yolanda; Giatika Chrisnawati

Authors

Irgi Kurniawan Universitas Bina Sarana Informatika
Haykal Ryan Andre Universitas Bina Sarana Informatika
Muhammad Febrian Putra Yolanda Universitas Bina Sarana Informatika
Giatika Chrisnawati Universitas Bina Sarana Informatika

Keywords:

Analisis Sentimen, Long Short-Term Memory, Pra-pemrosesan Teks, Undersampling, Bidirectional LSTM

Abstract

Pertumbuhan pesat e-commerce di Indonesia, khususnya pada platform Lazada, telah memicu lonjakan volume ulasan pengguna di ranah digital. Meskipun ulasan ini memuat wawasan krusial mengenai kepuasan konsumen, analisis manual terhadap ribuan data teks menjadi tidak efisien. Studi ini bertujuan menerapkan analisis sentimen pada ulasan pengguna Lazada untuk mengelompokkan opini ke dalam klasifikasi positif dan negatif. Metode yang diterapkan adalah Long Short-Term Memory (LSTM), sebuah model Deep Learning yang unggul dalam pemrosesan teks karena kemampuannya mengenali ketergantungan jangka panjang dalam urutan kata. Kebaruan penelitian ini terletak pada optimalisasi pra-pemrosesan teks Bahasa Indonesia yang komprehensif, mencakup cleansing, case folding, normalisasi kata tidak baku, filtering, hingga stemming. Data ulasan dikumpulkan melalui teknik scraping dari Google Play Store. Hasil riset menunjukkan bahwa integrasi metode LSTM dengan pra-pemrosesan teks yang optimal mampu meningkatkan akurasi model secara signifikan dibandingkan data mentah. Model ini diharapkan dapat menyajikan wawasan strategis otomatis bagi manajemen Lazada guna meningkatkan kualitas layanan berbasis umpan balik pengguna yang akurat

References

M. Harsanto and E. Sudarmilah, “Tinjauan Literatur Analisis Sentimen Produk E-Commerce: Dataset, Pendekatan, Metode, Dan Performa,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 10, no. 3, pp. 2290–2303, 2025, doi: 10.29100/jipi.v10i3.8217.

A. R. Gunawan and R. F. Alfa Aziza, “Sentiment Analysis Using LSTM Algorithm Regarding Grab Application Services in Indonesia,” J. Appl. Informatics Comput., vol. 9, no. 2, pp. 322–332, 2025, doi: 10.30871/jaic.v9i2.8696.

Siti Mutmainah, Khairunnas, and Khairunnisa, “Metode Deep Learning LSTM dalam Analisis Sentimen Aplikasi PeduliLindungi,” Sci. J. Comput. Sci. Informatics, vol. 1, no. 1, pp. 9–19, 2024, doi: 10.34304/scientific.v1i1.231.

Gusnaeni Indah Pratiwi, Augst Nurandini, Dyessica Meizheilla, Eka Nada Rinjani, Zahra Revadinika Apriliani, and Rizki Widodo, “Analisis Sentimen Pengguna Shopee Menggunakan Lstm,” J. Informatics Interact. Technol., vol. 2, no. 2, pp. 384–391, 2025, doi: 10.63547/jiite.v2i2.91.

R. Noveandini, M. S. Wulandari, and F. Rasyad, “Penerapan Model LSTM pada Analisis Sentimen Ulasan Pengguna Aplikasi Shopee Google Play Store,” Fasilkom, vol. 15, no. 2, pp. 290–296, 2025, [Online]. Available: https://ejurnal.umri.ac.id/index.php/JIK/article/view/9150.

J. Sistem and I. Tgd, “Pengembangan Model Long Short-Term Memory Pada Analisis Sentimen Ulasan Hotel,” vol. 4, no. September, pp. 1113–1119, 2025.

J. M. Ayomi, A. V. Vitianingsih, Y. Kristyawan, A. Lidya, and T. Widiartin, “Sentiment Analysis of User Reviews for the PLN Mobile Application Using Naïve Bayes and Long Short-Term Memory,” vol. 7, no. 4, pp. 3849–3873, 2025, doi: 10.63158/journalisi.v7i4.1342.

F. Bouchra, I. M. A. D. Suarjaya, and N. K. D. Rusjayanthi, “Analisis Sentimen Masyarakat terhadap Tayangan Televisi Nasional menggunakan Metode Deep Learning,” J. Buana Inform., vol. 15, pp. 89–99, 2024.

A. Z. Rizquina and C. I. Ratnasari, “Implementasi Web Scraping untuk Pengambilan Data Pada Website E-Commerce,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 5, no. 4, pp. 377–383, 2023, doi: 10.47233/jteksis.v5i4.913.

H. S. Mulyono and U. Saprudin, “Efektivitas Logistic Regression dalam Analisis Sentimen Berbahasa Indonesia pada Komentar YouTube tentang Isu Ketenagakerjaan,” J. Indones. Manaj. Inform. dan Komun., vol. 6, no. 3, pp. 1547–1555, 2025, doi: 10.63447/jimik.v6i3.1481.

Vidya Chandradev, I Made Agus Dwi Suarjaya, and I Putu Agung Bayupati, “Analisis Sentimen Review Hotel Menggunakan Metode Deep Learning BERT,” J. Buana Inform., vol. 14, no. 02, pp. 107–116, 2023, doi: 10.24002/jbi.v14i02.7244.

U. Pengembangan et al., “Jurnal Dengan Word2Vec,” vol. 10, no. 1, pp. 46–55, 2024.

T. Risnanto, E. Poerwandono, D. Sawit, K. J. Timur, and L. Regression, “Optimasi Proses Klasifikasi Topik Berita Berbahasa Indonesia,” vol. 9, no. 6, pp. 9644–9649, 2025.

Dianda Rifaldi et al., “Evaluasi Sentimen Pengguna ChatGPT Menggunakan Naive Bayes: Tinjauan dari Confusion Matrix dan Classification Report,” J. Ris. Sist. dan Teknol. Inf., vol. 3, no. 2, pp. 81–89, 2025, doi: 10.30787/restia.v3i2.1990