Tugas Akhir Skripsi (15210420)

• MUHAMAD AGUNG NUGROHO
• 2026

---

Perkembangan platform layanan transportasi daring di Indonesia, seperti aplikasi Maxim, menciptakan volume ulasan pengguna yang sangat besar dan tidak terstruktur di Google Play Store. Analisis manual terhadap data ini menjadi tidak praktis, sehingga diperlukan pendekatan komputasional untuk memahami sentimen kepuasan pelanggan guna meningkatkan kualitas layanan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan model klasifikasi sentimen menggunakan metode Long Short-Term Memory (LSTM) yang dibagi ke dalam tiga kategori: positif, negatif, dan netral. Metodologi penelitian meliputi pengumpulan data melalui teknik web scraping sebanyak 10.000 ulasan mentah. Dalam prosesnya, dilakukan tahap pra-pemrosesan teks yang ketat sehingga menghasilkan 3.652 data valid. Penyusutan jumlah data ini terjadi secara signifikan karena penghapusan ulasan yang hanya berisi emoji atau angka (tanpa teks), penghapusan data duplikat (redundant), serta pembersihan ulasan yang bersifat spam atau tidak memiliki makna semantik yang jelas (seperti rangkaian karakter acak). Langkah reduksi ini krusial untuk memastikan model hanya mempelajari informasi yang berkualitas dan relevan. Dataset akhir dibagi dengan rasio 80% untuk data latih dan 20% untuk data uji. Penelitian ini juga menerapkan teknik Class Weighting untuk mengatasi ketidakseimbangan data (imbalanced dataset), di mana sentimen positif mendominasi sebesar 80,4%. Hasil penelitian menunjukkan bahwa model LSTM yang dibangun sangat andal dengan tingkat akurasi pada data uji mencapai 94%. Selain itu, dilakukan validasi melalui pengujian manual terhadap 100 data baru untuk menjamin signifikansi statistik, yang menunjukkan tingkat akurasi sebesar 94%. Analisis distribusi sentimen mengungkap bahwa kepuasan pengguna didominasi oleh faktor tarif kompetitif dan keramahan pengemudi, sementara keluhan utama berkaitan dengan kendala teknis aplikasi dan akurasi lokasi jemputan. Dengan demikian, model LSTM terbukti efektif dalam mengklasifikasikan sentimen kepuasan pelanggan aplikasi Maxim dengan akurasi yang tinggi.

 

• Analisa Sentime
• Kepuasan Ppelanggan
• Maxim
• Long Short-Term Memory (LSTM)
• Google Play Store

https://repository.bsi.ac.id/repo/82190/Tugas-Akhir-Skripsi-(15210420)
Anda dapat membaca file tugas akhir ini di repository.