ANALISIS SENTIMEN ULASAN APLIKASI GROK DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM)

Agam tamlica; Bambang Irawan

doi:10.23960/jitet.v14i1.9011

Authors

Agam tamlica Universitas Muhadi Setiabudi
Bambang Irawan Universitas Muhadi Setiabudi

DOI:

https://doi.org/10.23960/jitet.v14i1.9011

Abstract Views: 118 File Views: 65

Keywords:

Analisis Sentimen, Long Short-Term Memory (LSTM), Ulasan Pengguna, Google Play Store, Kecerdasan Buatan

Abstract

Kemajuan dalam kecerdasan buatan telah memicu proliferasi berbagai aplikasi berbasis bahasa alami, yang dicontohkan oleh Grok, yang mengumpulkan banyak ulasan pengguna di Google Play Store. Evaluasi tersebut merangkum persepsi dan pengalaman pengguna, yang sangat penting untuk peningkatan kualitas layanan. Tujuan penelitian ini adalah untuk memeriksa sentimen ulasan pengguna yang terkait dengan aplikasi Grok menggunakan algoritma Long-Term Memory (LSTM), karena kemampuannya untuk pemahaman kontekstual yang mendalam dan analisis urutan kata. Data dikumpulkan melalui metodologi web scraping yang menggunakan pustaka google-play-scraper dan menjalani beberapa tahap pemrosesan, termasuk pembersihan, tokenisasi, penghapusan terminologi, stemming, dan klasifikasi sentimen. Model dilatih selama lima epoch dengan partisi data 80% untuk pelatihan dan 20% untuk validasi, menghasilkan tingkat akurasi 89,58%. Temuan menunjukkan bahwa model LSTM mahir dalam mengidentifikasi pola linguistik dan sentimen pengguna, khususnya dalam klasifikasi positif Hasil ini menggarisbawahi potensi penggunaan LSTM sebagai kerangka kerja analisis opini otomatis untuk aplikasi berbasis kecerdasan buatan di Indonesia.

Downloads

Download data is not yet available.

References

R. N. Winarno, B. T. Adiratna, and A. K. Azzahra, “User Acceptance Analysis of AI GROK on Platform X,” J. Artif. Intell. Eng. Appl., vol. 4, no. 3, pp. 2114–2120, Jun. 2025, doi: 10.59934/JAIEA.V4I3.1107.

J. M. Ayomi, A. V. Vitianingsih, Y. Kristyawan, A. L. Maukar, and T. Widiartin, “Sentiment Analysis of User Reviews for the PLN Mobile Application Using Naïve Bayes and Long Short-Term Memory,” J. Inf. Syst. Informatics, vol. 7, no. 4, pp. 3849–3873, Dec. 2025, doi: 10.63158/JOURNALISI.V7I4.1342.

A. S. Berliana and M. Mustikasari, “JAKARTANOTEBOOK PLAY MENGGUNAKAN METODE RECURRENT NEURAL NETWORK ( RNN ),” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, 2024.

P. Ç. Çaylak et al., “Analysing Online Reviews Consumers’ Experiences of Mobile Travel Applications with Sentiment Analysis and Topic Modelling: The Example of Booking and Expedia,” Appl. Sci., vol. 14, no. 24, Dec. 2024, doi: 10.3390/app142411800.

J. Shin et al., “Exploring the Effectiveness of Machine Learning and Deep Learning Algorithms for Sentiment Analysis: A Systematic Literature Review,” Comput. Mater. Contin., vol. 84, no. 3, pp. 4105–4153, Jul. 2025, doi: 10.32604/CMC.2025.066910.

Y. H. D. Wangsajaya, E. Setyowati, and A. Wibowo, “Deteksi Emosi Teks X Berbahasa Indonesia Menggunakan Bi-LSTM dengan Seleksi Fitur Chi-Square,” J. Algoritm., vol. 22, no. 2, Nov. 2025, doi: 10.33364/ALGORITMA/V.22-2.2658.

P. H. C. Samanmali and R. A. H. M. Rupasingha, “Sentiment analysis on google play store app users’ reviews based on deep learning approach,” Multimed. Tools Appl., vol. 83, no. 36, pp. 84425–84453, Nov. 2024, doi: 10.1007/s11042-024-19185-w.

S.-F. Tu, C.-S. Hsu, Y.-T. Lu, S.-F. Tu, C.-S. Hsu, and Y.-T. Lu, “Improving RE-SWOT Analysis with Sentiment Classification: A Case Study of Travel Agencies,” Futur. Internet 2021, Vol. 13, vol. 13, no. 9, Aug. 2021, doi: 10.3390/FI13090226.

E. N. Rahman and Y. Sibaroni, “Sentiment Analysis of the Mobile Legends: Bang Bang Application Using a Hybrid CNN-LSTM Model,” Indones. J. Comput., vol. 10, no. 1, pp. 38–53, 2025, doi: 10.21108/indojc.v10i1.9687.

A. Albladi, M. K. Uddin, M. Islam, and C. Seals, “TWSSenti: A Novel Hybrid Framework for Topic-Wise Sentiment Analysis on Social Media Using Transformer Models,” arXiv, Apr. 2025, Accessed: Jan. 11, 2026. [Online]. Available: https://arxiv.org/pdf/2504.09896

D. A. Pramudita, H. Imaduddin, S. N. Afiana Azizah, and I. Muslihah, “Sentiment Analysis Of Reviews On The Chatgpt Application Using Long Shortterm Memory Method,” J. Locus Penelit. dan Pengabdi., vol. 4, no. 9, pp. 8814–8820, Sep. 2025, doi: 10.58344/LOCUS.V4I9.4812.

A. Daza, N. D. González Rueda, M. S. Aguilar Sánchez, W. F. Robles Espíritu, and M. E. Chauca Quiñones, “Sentiment Analysis on E-Commerce Product Reviews Using Machine Learning and Deep Learning Algorithms: A Bibliometric Analysis, Systematic Literature Review, Challenges and Future Works,” Int. J. Inf. Manag. Data Insights, vol. 4, no. 2, p. 100267, Nov. 2024, doi: 10.1016/J.JJIMEI.2024.100267.

M. Krichen, A. Mihoub, M. Krichen, and A. Mihoub, “Long Short-Term Memory Networks: A Comprehensive Survey,” AI 2025, Vol. 6, vol. 6, no. 9, Sep. 2025, doi: 10.3390/AI6090215.

M. D. A. Darmansyah, A. V. Vitianingsih, A. L. Maukar, S. Yuliani, and S. F. A. Wati, “Sentiment Analysis E-Wallet Application Services Using the Support Vector Machine and Long Short-Term Memory Methods,” INOVTEK Polbeng - Seri Inform., vol. 11, no. 1, Dec. 2026, doi: 10.35314/APEDAZ75.

A. Rizky Gunawan, R. Faticha, and A. Aziza, “Sentiment Analysis Using LSTM Algorithm Regarding Grab Application Services in Indonesia,” J. Appl. Informatics Comput., vol. 9, no. 2, pp. 322–332, Mar. 2025, doi: 10.30871/JAIC.V9I2.8696.