Analisis Sentimen Aplikasi Traveloka

Proyek ini bertujuan untuk melakukan analisis sentimen terhadap aplikasi Traveloka di Google Play Store menggunakan model Long Short-Term Memory (LSTM). Analisis ini difokuskan pada ulasan berbahasa Indonesia yang diperoleh melalui proses scraping dari Google Play Store.

Deskripsi Proyek

Dataset yang digunakan berisi 158.173 baris data ulasan yang telah dikumpulkan dan dibagi menjadi dua bagian: 80% untuk pelatihan dan 20% untuk pengujian. Ulasan-ulasan ini dikelompokkan ke dalam tiga kelas sentimen: positif, negatif, dan netral.

Kinerja Model

Setelah pelatihan, model menunjukkan hasil yang memuaskan dengan metrik sebagai berikut:

• Akurasi Pelatihan: 95.12%
• Akurasi Pengujian: 94.04%

Struktur Model

Model LSTM yang digunakan dalam proyek ini memiliki arsitektur sebagai berikut:

model = Sequential([
    Embedding(input_dim=vocab_size, output_dim=embedding_dim, weights=[embedding_matrix], input_length=max_length, trainable=False),
    Bidirectional(LSTM(64, return_sequences=True)),
    Dropout(0.5),
    Bidirectional(LSTM(32)),
    Dropout(0.5),
    Dense(32, activation='relu'),
    Dropout(0.5),
    Dense(3, activation='softmax')
])

Kinerja Model

Model dilatih dengan parameter yang sudah diatur sebelumnya. Berikut adalah hasil yang dicatat selama proses pelatihan:

3955/3955 ━━━━━━━━━━━━━━━━━━━━ 47s 12ms/step - accuracy: 0.9515 - loss: 0.1367

Proses pengujian menghasilkan:

989/989 ━━━━━━━━━━━━━━━━━━━━ 12s 12ms/step - accuracy: 0.9404 - loss: 0.1733

Kesimpulan

Proyek ini berhasil mengembangkan model LSTM yang efektif untuk analisis sentimen pada ulasan aplikasi Traveloka, dengan akurasi yang tinggi baik pada data pelatihan maupun pengujian. Model ini dapat digunakan untuk memahami persepsi pengguna terhadap aplikasi, yang dapat membantu pengembang dalam perbaikan dan pengembangan fitur baru.