ANALISIS SENTIMEN ULASAN PRODUK SUNSCREEN AZARINE MENGGUNAKAN METODE LONG SHORT TERM MEMORY (LSTM)

Nurjanah, Annisa Aprilia (2025) ANALISIS SENTIMEN ULASAN PRODUK SUNSCREEN AZARINE MENGGUNAKAN METODE LONG SHORT TERM MEMORY (LSTM). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (170kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (706kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (585kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (81kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (259kB)
	Archive (SOURCE CODE) Sourcecode - 18.11.1826.zip Restricted to Repository staff only Download (155MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (986kB)

Abstract

Kondisi iklim dan letak Indonesia yang seringkali menerima paparan sinar matahari dengan intensitas tinggi menyebabkan adanya resiko radiasi ultraviolet (UV). Demi kesehatan kulit agar tidak mempengaruhi dan merusak kulit diperlukan kesadaran akan pentingnya sunscreen untuk perlindungan kulit. Meningkatnya kebutuhan sunscreen membuat kepopuleran produk dari berbagai brand, seperti produk lokal dari Azarine. Namun beriringan dengan persaingan dan popularitas produk, muncul isu overclaim yang menimbulkan keraguan konsumen mengenai keselarasan klaim produk dengan pengalaman nyata. Banyaknya informasi dari berbagai ulasan yang beredar diplatform sosial media menjadi sulit dan lama untuk mendapatkan informasi yang valid sesuai dengan ekspetasi. Pengumpulan dan pengolahan informasi diperlukan proses analisis untuk mendapatkan data sentimen baik berupa positif, negatif maupun netral. Penelitian ini befokus melakukan analisis sentimen menggunakan metode Long Short-Term Memory (LSTM), guna mendapatkan informasi valid bagi konsumen sebagai rekomendasi. Selain itu, menjadi masukan bagi Azarine sebagai evaluasi kualitas dan kuantitas poduk, serta strategi pemasaran yang lebih selaras dengan ekspetasi konsumen. LSTM dipilih karena akurasinya yang baik untuk data teks dan mampu memproses informasi data jangka panjang. Penelitian ini mengeksplorasi pengaruh parameter, seperti learning rate, batch size, jumlah epoch dan jenis optimizer terhadap performa model LSTM. Model LSTM dengan learning rate sebesar 0,01, batch size 100, epoch 50 dan optimizer Nadam mencapai accuracy 0.9967, precision 0.9967, recall 0.9969, dan f1-score 0.9968. Hasil penelitian menunjukkan bahwa model LSTM mampu menghasilkan analisis sentimen dan performa model dengan baik, stabil dan efektif.

Actions (login required)

View Item