| dc.description.abstract | Penelitian ini bermula dari banyaknya ulasan pengguna aplikasi Netflix di
Google Play Store yang sangat beragam, sehingga diperlukan sebuah sistem
otomatis untuk memahami perasaan pengguna, apakah mereka merasa puas
(positif) atau kecewa (negatif). Fokus utama penelitian ini adalah membandingkan
dua teknologi kecerdasan buatan, yaitu algoritma LSTM dan BiLSTM, untuk
melihat mana yang lebih akurat dalam mengelompokkan ulasan tersebut. Peneliti
menggunakan 13.000 data ulasan terbaru yang diambil melalui teknik pengambilan
data otomatis (scrapping). Sebelum diolah, teks ulasan tersebut melewati tahap
pembersihan (preprocessing), seperti menghapus karakter aneh, mengubah bahasa
gaul menjadi bahasa baku, dan membuang kata sambung yang tidak penting. Hal
ini bertujuan agar sistem lebih fokus pada kata kunci inti seperti "gagal" atau
"bagus". Hasil pengujian menunjukkan bahwa model LSTM jauh lebih unggul
dengan tingkat ketepatan (akurasi) mencapai 88,52%, sedangkan model LSTM
hanya mencapai 84,22% dan lebih memahami konteks utuh dari ulasan pengguna.
Secara keseluruhan, ditemukan bahwa ulasan negatif lebih mendominasi yaitu
sebanyak 8.784 ulasan dibandingkan ulasan positif yang hanya berjumlah 4.239
ulasan. Keluhan utama pengguna umumnya berkaitan dengan masalah teknis
seperti kendala saat masuk akun (login), proses pembayaran yang sulit, dan aplikasi
yang sering macet, meskipun mereka sangat menyukai keragaman isi film yang
ditawarkan. | en_US |
