ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulPROTOTYPE KLASIFIKASI KOMENTAR MENGGUNAKAN BIDIRECTIONAL LONG SHORT-TERM MEMORY (BI-LSTM) |
| Nama: JIRAN MUHAMMAD |
| Tahun: 2025 |
| Abstrak Pertumbuhan industri game online yang pesat telah mendorong meningkatnya interaksi pengguna dalam bentuk komentar pada platform digital, seperti layanan top-up dan artikel seputar game. Komentar pengguna menjadi indikator penting dalam menilai respons audiens, namun analisis manual terhadap komentar dalam jumlah besar memerlukan waktu dan sumber daya yang tidak sedikit. Untuk mengatasi tantangan ini, penelitian ini mengembangkan sistem klasifikasi komentar secara otomatis menggunakan pendekatan deep learning Bidirectional Long Short-Term Memory (BiLSTM). Model BiLSTM memiliki kemampuan memahami konteks teks secara dua arah dan telah terbukti unggul dalam hal akurasi dibandingkan model deep learning lain seperti LSTM dan Conv1D. Hasil pengujian menunjukkan bahwa model ini mampu mengklasifikasikan komentar ke dalam sentimen positif, netral, dan negatif dengan akurasi mencapai 84%. Selain itu, integrasi model ke dalam sistem backend juga berjalan stabil, sehingga dapat langsung digunakan untuk membantu tim konten dan layanan pelanggan dalam pengambilan keputusan berbasis analisis sentimen. Penelitian ini merekomendasikan perluasan dataset secara berkala dan pengembangan klasifikasi multi-label di masa depan. Kata Kunci: Analisis Sentimen, Klasifikasi Komentar, Deep Learning, BiLSTM, Microservices, Sistem Backend |