Analisis Sentimen Pengguna Shopee Menggunakan LSTM

Abstract

Perkembangan e-commerce di Indonesia telah mendorong pentingnya analisis sentimen untuk memahami kepuasan pengguna. Penelitian ini menganalisis sentimen ulasan pengguna Shopee menggunakan metode Long Short-Term Memory (LSTM) untuk mengklasifikasikan ulasan menjadi positif, negatif, dan netral. Data penelitian diperoleh melalui web scraping terhadap ulasan di Google Play Store, dengan total sampel sebanyak 3.625 ulasan yang mencakup periode 2023 hingga 2025. Proses preprocessing dilakukan dengan normalisasi teks, diikuti ekstraksi fitur menggunakan TF-IDF. Hasil penelitian menunjukkan bahwa model LSTM mencapai akurasi sebesar 86,48%, dengan distribusi sentimen didominasi oleh kategori positif (83%), diikuti negatif (16%), dan netral (1%). Temuan ini mengindikasikan tingkat kepuasan pengguna yang tinggi terhadap layanan Shopee, meskipun masih terdapat keluhan terkait kualitas produk dan layanan pengiriman. Penelitian ini memberikan kontribusi dalam pengembangan sistem analisis sentimen berbasis deep learning serta rekomendasi bagi Shopee untuk meningkatkan kualitas layanannya.