Klasifikasi Ulasan pada Marketplace Tokopedia menggunakan Algoritma Long Short-Term Memory (LSTM)

Skripsi ini bertujuan untuk mengusulkan sebuah metode klasifikasi yang menggunakan algoritma Long Short-Term Memory (LSTM) guna menganalisis dan mengelompokkan ulasan produk di platform marketplace Tokopedia. Penelitian ini bertujuan untuk memperoleh pemahaman yang lebih mendalam mengenai sentimen dan opini pengguna terhadap produk yang dijual di Tokopedia.

Metode yang diajukan melibatkan beberapa tahapan. Pertama, pengumpulan data dilakukan melalui pengambilan ulasan produk dari Tokopedia. Kemudian, dilakukan praproses data dengan melakukan pembersihan teks, penghilangan tanda baca, dan normalisasi kata. Selanjutnya, algoritma LSTM yang telah dikembangkan sebelumnya dalam penelitian diimplementasikan untuk melatih model klasifikasi. Dataset dibagi menjadi dua subset, yaitu set pelatihan dan set pengujian, untuk menguji kinerja model.

Hasil penelitian ini menunjukkan bahwa penggunaan algoritma LSTM dalam klasifikasi ulasan di Tokopedia memiliki tingkat akurasi yang signifikan dalam mengidentifikasi sentimen positif, negatif, dan netral. Metode ini berhasil mengklasifikasikan ulasan pengguna dengan akurasi yang lebih tinggi dibandingkan dengan metode klasifikasi tradisional yang digunakan sebelumnya. Selain itu, metode ini mampu mengekstraksi fitur-fitur penting dari ulasan, yang dapat memberikan wawasan berharga bagi penjual dan pembeli dalam memahami preferensi dan kebutuhan pelanggan.

Penelitian ini memiliki implikasi penting dalam meningkatkan pengalaman berbelanja online bagi pengguna Tokopedia. Dengan menggunakan algoritma LSTM untuk klasifikasi ulasan, platform ini dapat memperoleh pemahaman yang lebih mendalam mengenai sentimen pelanggan, mengidentifikasi masalah yang mungkin muncul, dan memberikan umpan balik yang lebih relevan untuk meningkatkan kualitas produk dan layanan yang disediakan.