ANALISIS SENTIMEN MASYARAKAT TERHADAP KUALITAS PELAYANAN HAJI DAN UMROH MENGGUNAKAN LSTM (LONG SHORT-TERM MEM0RY)
Keywords:
Analisis Sentimen, Memori Jangka Pendek Panjang (LSTM), Layanan Haji dan Umrah, Media Sosial, TwitterAbstract
Studi ini mengusulkan pendekatan analisis sentimen menggunakan Long-Term Memory (LSTM) untuk mengevaluasi kualitas layanan Haji dan Umrah berdasarkan opini publik di Twitter. Dengan Indonesia sebagai negara berpenduduk Muslim terbesar dan meningkatnya penggunaan media sosial, banyak data sentimen publik tersedia. Penelitian sebelumnya menunjukkan banyak sentimen negatif terhadap layanan ini. Metodologi mencakup pengumpulan data teks, pemrosesan melalui langkah-langkah seperti penghilangan huruf besar, tokenisasi, penyaringan, penghapusan kata umum, normalisasi, dan stemming, serta konversi menjadi vektor kata. Data yang diproses digunakan untuk mensimulasikan dan mengevaluasi kinerja model LSTM dalam klasifikasi sentimen. Dataset berlabel manual sebanyak 15 tweet (10 untuk pelatihan dan 5 untuk pengujian) digunakan untuk memahami pola sentimen dan menilai akurasi model. Hasil yang diharapkan adalah sistem evaluasi berbasis opini publik untuk membantu pemerintah dan agen perjalanan meningkatkan kualitas layanan.
Downloads
References
Azizah, L. M., Ajipratama, D. B., Putri, N. A. R., & Damarjati, C. (2022). Analisa Sentimen Masyarakat Terhadap Kebijakan Vaksinasi Covid-19 Di Indonesia Pada Twitter Menggunakan Algoritma LSTM. JURNAL IPTEKKOM Jurnal Ilmu Pengetahuan & Teknologi Informasi, 24(2), 161–172. https://doi.org/10.17933/iptekkom.24.2.2022.161-172
Drone Emprit. (2023). Analisis Sentimen Terkait Ibadah Haji dan Umroh.
Harfian, F. (2021). Metodologi Penelitian dalam Ilmu Komputer. Penerbit Andi.
Kemenag. (2022). Kemenag Tetapkan Biaya Haji 2022. Tersedia di: https://kemenag.go.id
Lutz, M. (2020). Learning Python. O'Reilly Media.
Modesta, A., & Husna, B. (2024). Analisis Sentimen Terhadap Layanan Aplikasi Jenius di Media Sosial Menggunakan Alogritma Long Short-Term Memory. Jurnal Sistem Informasi.
Nurhuda, F., Sihwi, S. W., & Doewes, A. (2013). Analisis Sentimen Masyarakat terhadap Calon Presiden Indonesia 2014 berdasarkan Opini dari Twitter Menggunakan Metode Naive Bayes Classifier. Jurnal Informatika, 2(2).
Putra, Y. A., Rahman, A., & Fitrani, E. (2020). Sentiment analysis of public transport services using LSTM-based deep learning. Journal of Data Science and Applications, 5(3), 112–119. https://doi.org/10.20473/jdsa.v5i3.2020
Rheza Malano, M. (2025). ANALISIS SENTIMEN PUBLIK TERHADAP PELAYANAN IBADAH.
Sari, S. H., & Wahyuni, N. (2024). Analisis Kualitas Pelayanan Publik pada Ibadah Haji dan Umroh. Jurnal Administrasi Publik, 8(1).
Savitri, N. L. P. C., Rahman, R. A., Venyutzky, R., & Rakhmawati, N. A. (2021). Analisis Klasifikasi Sentimen Terhadap Sekolah Daring pada Twitter Menggunakan Supervised Machine Learning. Jurnal Teknik Informatika Dan Sistem Informasi, 7(1). https://doi.org/10.28932/jutisi.v7i1.3216
Setyo, W. N., & Wardhana, S. (2019). Implementasi Data Mining Pada Penjualan Produk Di Cv Cahaya Setya Menggunakan Algoritma Fp-Growth. Petir, 12(1), 54–63.
Tarigan, P. M. S., Hardinata, J. T., Qurniawan, H., Safii, M., & Winanjaya, R. (2022). Implementasi Data Mining Menggunakan Algoritma Apriori Dalam Menentukan Persediaan Barang. Jurnal Janitra Informatika Dan Sistem Informasi, 2(1), 9–19.
Van Rossum, G., & Drake, F. L. (2020). The Python Language Reference Manual.
Yahya, iz, Eka Ratnawati, D., & Rahayudi, B. (2025). ANALISIS SENTIMEN ULASAN PENGGUNA DARI GOOGLE MAPS MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (STUDI KASUS: RUMAH SAKIT GATOEL). Jurnal Pendidikan Teknologi Informasi Dan Komputer, 9(4). http://j-ptiik.ub.ac.id
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Putri Ramadhani, Achmad Fauzi, Kristina Annatasia Br. Sitepu
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
