Analisis ANALISIS KEPUASAN PELANGGAN PADA ULASAN PRODUK E-COMMERCE TOKOPEDIA MENGGUNAKAN BIDIRECTIONAL LONG SHORT-TERM MEMORY
DOI:
https://doi.org/10.70248/jcsit.v3i4.4413Abstract
Ulasan pelanggan pada platform e-commerce kerap menunjukkan ketidaksesuaian antara isi teks dan rating numerik yang diberikan, sehingga menyulitkan pelaku usaha dalam menilai kepuasan pelanggan secara objektif, terutama pada volume data yang besar. Penelitian ini bertujuan mengembangkan dan mengevaluasi model Bidirectional Long Short-Term Memory (BiLSTM) untuk mengklasifikasikan sentimen ulasan produk pada platform Tokopedia ke dalam kategori positif, netral, dan negatif sebagai representasi tingkat kepuasan pelanggan. Penelitian menggunakan pendekatan kuantitatif-eksperimental terhadap 4.060 data ulasan berbahasa Indonesia yang diperoleh melalui scraping. Data diproses melalui tahapan case folding, cleaning, tokenisasi, stopword removal, dan stemming, kemudian ditransformasikan menjadi representasi numerik melalui embedding layer berdimensi 128 sebelum dilatih menggunakan arsitektur BiLSTM dengan 64 unit dan optimizer Adam selama 10 epoch. Eksperimen dilakukan menggunakan dataset dengan distribusi kelas yang tidak seimbang (imbalanced dataset) tanpa penerapan teknik manipulasi data seperti SMOTE atau oversampling, maupun penyesuaian algoritma menggunakan class weight. Hasil pengujian pada 812 data uji dengan rasio 80:20 menunjukkan model mencapai akurasi 77,83%, dengan performa terbaik pada kelas positif (precision 0,84; recall 0,87; F1-score 0,86) dan performa terendah pada kelas netral dengan F1-score 0,44. Temuan ini menunjukkan bahwa BiLSTM mampu menangkap konteks dua arah dalam teks untuk klasifikasi sentimen berbahasa Indonesia, tetapi ketidakseimbangan distribusi kelas dan karakteristik kelas netral yang ambigu masih memengaruhi performa klasifikasi. Penelitian ini memberikan dasar bagi penerapan analisis sentimen untuk membantu pemantauan kepuasan pelanggan pada platform e-commerce secara otomatis
References
Algiffary, Arief, and Tata Sutabri. 2023. “Indonesian Journal of Computer Science.” Indonesian Journal of Computer Science 12(2): 284–301. http://ijcs.stmikindonesia.ac.id/ijcs/index.php/ijcs/article/view/3135.
Azizah, Nur Aviani, and Tati Ernawati. 2024. “Analisis Sentimen Ulasan Pelanggan Terhadap Produk Roti Macan Artisan Di E-Commerce Tokopedia Menggunakan Metode Clustering.” Journal of Information System, Applied, Management, Accounting and Research 8(3): 580. doi:10.52362/jisamar.v8i3.1576.
Huang, Huang, Adeleh Asemi Zavareh, and Mumtaz Begum Mustafa. 2023. “Sentiment Analysis in E-Commerce Platforms: A Review of Current Techniques and Future Directions.” IEEE Access 11: 90367–82. doi:10.1109/ACCESS.2023.3307308.
Kamal, Ahmad, and Renita Astri. 2025. “Eksplorasi Sentimen Pengguna Pada Aplikasi E-Commerce Dengan Deep Learning.” Jurnal Teknologi Dan Sistem Informasi Bisnis 7(3): 435–41. doi:10.47233/jteksis.v7i3.2010.
Minaee, Shervin, Nal Kalchbrenner, Erik Cambria, Narjes Nikzad, Meysam Chenaghlu, and Jianfeng Gao. 2021. “Deep Learning Based Text Classification: A Comprehensive Review.” 1(1): 1–43. http://arxiv.org/abs/2004.03705.
Muhammad Zainal Abidin, Mochammad Alfan Rosid, and Ade Eviyanti. 2025. “Analisis Sentimen Pengguna Aplikasi Shopee Pada Google Play Store Menggunakan Metode Random Forest.” STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer 4(3): 265–76. doi:10.55123/storage.v4i3.6027.
Muzaki, Assami, Vici Febriana, and Wahyu Nur Cholifah. 2024. “Analisis Sentimen Pada Ulasan Produk Di E-Commerce Dengan Metode Naive Bayes.” Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) 5(4): 758–65. doi:10.30998/jrami.v5i4.9647.
Nasution, Khairunnisa, Khairun Saddami, Roslidar Roslidar, Akhyar Akhyar, Fathurrahman Fathurrahman, and Niza Aulia. 2025. “Comparative Study of BiLSTM and GRU for Sentiment Analysis on Indonesian E-Commerce Product Reviews Using Deep Sequential Modeling.” Jurnal Teknik Informatika (Jutif) 6(4): 1881–96. doi:10.52436/1.jutif.2025.6.4.4878.
Powers, David M. W. 2020. “Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness and Correlation.” : 37–63. http://arxiv.org/abs/2010.16061.
Putro, Obedient Boas Jr, Agustinus Jacobus, and Feisy Diane Kambey. 2025. “Aspect-Based Sentiment Analysis Product Review CNN and Bidirectional LSTM.” Jurnal Teknik Informatika 20(2): 117–24.
Rafiah, Kurnia Khafidhatur. 2019. “Analisis Pengaruh Kepuasan Pelanggan Dan Kepercayaan Pelanggan Terhadap Loyalitas Pelanggan Dalam Berbelanja Melalui E-Commerce Di Indonesia.” Al Tijarah 5(1): 46. doi:10.21111/tijarah.v5i1.3621.
Rahayu, N. K., & Sumadji, S. 2019. “Analisis Kepuasan Pelanggan Pada Layanan E-Commerce.” Jurnal Manajemen dan Pemasaran Jasa 3(1): 1–12.
Sapanji, R. A. E. Virgana Targa, Dani Hamdani, and Parlindungan Harahap. 2023. “Sentiment Analysis of the Top 5 E-Commerce Platforms in Indonesia Using Text Mining and Natural Language Processing (NLP).” Journal of Applied Informatics and Computing 7(2): 202–11. doi:10.30871/jaic.v7i2.6517.
Wu, Qianye, Chengxuan Xia, and Sixuan Tian. 2025. “AI-Driven Sentiment Analytics: Unlocking Business Value in the E-Commerce Landscape.” http://arxiv.org/abs/2504.08738.
