Analisis Sentimen Ulasan Aplikasi SatuSehat di Google Play Store Menggunakan FastText dan Long Short Term Memory (LSTM)

GHALIB, Erlan Irhab (2025) Analisis Sentimen Ulasan Aplikasi SatuSehat di Google Play Store Menggunakan FastText dan Long Short Term Memory (LSTM). Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (166kB)
	Text 4. KATA PENGANTAR.pdf Download (108kB)
	Text 5. HALAMAN PENGESAHAN II.pdf Download (356kB)
	Text 6. ABSTRAK.pdf Download (133kB)
	Text 7. ABSTRACT.pdf Download (104kB)
	Text 8. DAFTAR ISI.pdf Download (130kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (157kB)

Abstract

ABSTRAK
Aplikasi kesehatan seluler, seperti SatuSehat, memainkan peran penting dalam
meningkatkan layanan kesehatan dan mendukung manajemen kesehatan individu. Di
Indonesia, aplikasi SatuSehat terus berkembang untuk memenuhi kebutuhan pengguna,
namun memerlukan inovasi berkelanjutan untuk meningkatkan kualitasnya. Meskipun
aplikasi SatuSehat mendapat penilaian tinggi, seringkali disertai dengan komentar
ketidakpuasan dari pengguna. Penelitian ini bertujuan untuk menganalisis sentimen ulasan
pengguna aplikasi SatuSehat di Google Play Store guna memvalidasi komentar pengguna.
Sebanyak 20.670 ulasan yang dikumpulkan dari Januari hingga Desember 2023 dianalisis
melalui tahapan preprocessing, pelabelan dengan Indonesian Sentiment Lexicon, dan
representasi kata menggunakan FastText word embedding. Model klasifikasi Long Short
Term Memory (LSTM) dipilih karena kemampuannya dalam menangani data teks berurutan
panjang dan dapat mengatasi permasalahan vanishing gradient. LSTM dilatih untuk mencari
kombinasi parameter dropout, learning rate, dan batch size terbaik guna mengoptimalkan
akurasi, precision, recall, dan f1-score. Hasil penelitian menunjukkan akurasi 96,75%,
precision 96,54%, recall 96,83%, dan f1-score 95,95%. Analisis sentimen menunjukkan
bahwa sentimen dominan pengguna adalah negatif, meskipun skor penilaian bintang yang
diberikan tinggi. Temuan memberikan wawasan penting bagi pengembang aplikasi dalam
memahami perbedaan antara penilaian numerik dan opini tekstual pengguna, serta menjadi
landasan untuk perbaikan kualitas layanan secara berkelanjutan.
Kata kunci : SatuSehat, Analisis Sentimen, Indonesian Sentiment Lexicon, FastText Word
Embedding, Long Short Term Memory (LSTM)

Item Type:	Thesis (Undergraduate)
Subjects:	Sciences and Mathemathic
Divisions:	Faculty of Science and Mathematics > Department of Informatics
Depositing User:	Yemima Laras Sekarsari
Date Deposited:	28 Oct 2025 07:46
Last Modified:	28 Oct 2025 07:46
URI:	https://eprints2.undip.ac.id/id/eprint/40366

Actions (login required)

View Item

Search for collections on Undip Repository