ANALISIS SENTIMEN ULASAN PENGGUNA TERHADAP KUALITAS LAYANAN TRANSPORTASI ONLINE PADA APLIKASI KAI ACCESS MENGGUNAKAN METODE DEEP LEARNING DENGAN ALGORITMA LSTM, GRU, DAN CNN

Abstract

Perkembangan teknologi informasi dan komunikasi telah mendorong digitalisasi di berbagai sektor, termasuk transportasi online di Indonesia seperti aplikasi KAI Access untuk terus berinovasi dalam memberikan layanan kepada pengguna. Namun, masih banyak pengguna yang menyuarakan ketidakpuasan melalui ulasan di Google Play Store, sehingga diperlukan evaluasi berbasis data terhadap kualitas layanan tersebut. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi KAI Access guna memahami persepsi publik terhadap kualitas layanannya. Metode yang digunakan adalah Deep Learning dan pendekatan CRISP-DM dengan algoritma, yaitu Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), dan Convolutional Neural Network (CNN). Data dikumpulkan melalui scraping sebanyak 50.000 ulasan dan diproses melalui tahap pra-pemrosesan seperti, case folding, cleaning text, tokenisasi, stopwords, stemming, normalisasi, dan pelabelan sentimen. Hasil penelitian menunjukkan bahwa Model GRU memberikan hasil terbaik dengan nilai accuracy 98.68% dan AUC paling tinggi 99.01%. Selanjutnya LSTM dan terakhir CNN. Hasil ini menunjukkan bahwa model berbasis recurrent neural network lebih efektif dalam memahami urutan kata dan konteks dalam data teks. Selain itu, ditemukan bahwa sentimen negatif masih mendominasi ulasan, terutama terkait fitur pembayaran dan stabilitas aplikasi. Penelitian ini memberikan kontribusi dalam pengembangan model analisis sentimen berbasis Multi-algoritma deep learning dan menyajikan rekomendasi bagi pengembang dalam meningkatkan kualitas layanan KAI Access.