Analisis Sentimen Kepuasan Pelanggan Cafe Gartenhutte Menggunakan Kombinasi Metode Convolutional Neural Network dan Long Short-Term Memory

Sari, Puteri Anggrie Purwita (2026) Analisis Sentimen Kepuasan Pelanggan Cafe Gartenhutte Menggunakan Kombinasi Metode Convolutional Neural Network dan Long Short-Term Memory. [Undergraduate thesis]

PDF AbstrakB_TI-2675.pdf Download (148kB)

Abstract

Gartenhutte merupakan destinasi wisata di Desa Selotapak, Trawas, yang menerima banyak ulasan pelanggan melalui media sosial. Banyaknya ulasan menyebabkan pengelola kesulitan melakukan analisis secara manual. Penelitian ini bertujuan membangun sistem analisis sentimen dan deteksi aspek ulasan (tempat, produk, dan pelayanan) menggunakan pendekatan multi-label berbasis Convolutional Neural Network–Long Short-Term Memory (CNN–LSTM). Data dikumpulkan dari Insta- gram, X, dan Google Review sebanyak 1.835 ulasan melalui proses crawling. Data diproses melalui tahapan preprocessing, tokenisasi, dan pembentukan representasi vektor menggunakan Word2Vec. Penelitian ini menguji 12 variasi konfigurasi model CNN–LSTM yang mencakup perbedaan jumlah unit, kombinasi kernel con- volution, dropout, serta penerapan augmentasi data. Hasil pengujian menunjukkan bahwa pada klasifikasi sentimen, model dengan augmentasi data memberikan per- forma terbaik dengan nilai test accuracy sebesar 83,8%. Sebaliknya, pada klasifi- kasi aspek tempat, produk, dan pelayanan, model tanpa augmentasi menunjukkan performa yang lebih optimal dan konsisten dengan nilai test accuracy masing-mas- ing sebesar 84,3%, 84,9%, dan 85,9%. Hasil penelitian ini menunjukkan bahwa penerapan augmentasi data efektif meningkatkan performa pada klasifikasi sen- timen, namun tidak memberikan peningkatan yang konsisten pada deteksi aspek. Dengan konfigurasi arsitektur yang disesuaikan pada setiap label, model CNN– LSTM mampu menghasilkan performa klasifikasi yang optimal.

Item Type:	Undergraduate thesis
Uncontrolled Keywords:	Analisis Sentimen, CNN–LSTM, Word2Vec, Multi-Label, Ulasan Pelanggan
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering > Department of Informatic
Depositing User:	KARYONO - 196022
Date Deposited:	25 Jun 2026 04:33
Last Modified:	25 Jun 2026 04:33
URI:	http://repository.ubaya.ac.id/id/eprint/50607

Actions (login required)

View Item