Pembelian produk kosmetik melalui e-commerce mengalami peningkatan beberapa
tahun ke belakang. Dengan fitur ulasan pada sistem e-commerce, pembeli dapat
memberikan nilai rating dan teks ulasan terhadap produk yang telah dibeli.
Seringkali, pembeli memberikan nilai rating dan teks ulasan yang tidak sejalan.
Penelitian ini bertujuan untuk membentuk sebuah model yang dapat mempelajari
sentimen dari teks ulasan pembeli produk kecantikan menggunakan metode deep
learning dengan arsitektur Long Short-Term Memory (LSTM). Model tersebut
dapat digunakan untuk memvalidasi input rating dan teks ulasan supaya
ketidaksesuaian antara kedua data tersebut dapat dicegah.
Penelitian ini dilakukan dengan mengumpulkan data ulasan produk kecantikan dari
beberapa e-commerce, meliputi Lazada, Sephora, Shopee, Sociolla, Tokopedia, dan
Amazon. Dataset yang sudah terkumpul kemudian melewati tahap data
preprocessing. Pada tahap ini, dataset melewati beberapa rangkaian proses,
meliputi pelabelan dataset, penerjemahan teks ulasan berbahasa asing ke Bahasa
Indonesia, penghapusan ulasan yang tidak sesuai, stop word removal, stemming,
data splitting, dan tokenization. Dataset kemudian digunakan untuk melatih model
pada tahap pelatiham model. Model yang telah dilatih kemudian dievaluasi untuk
mendapatkan skor specificity dan recall. Untuk mendapatkan model dengan
evaluasi yang paling optimal, model tersebut diproses pada tahap hyperparameter
tuning. Tahapan terakhir yang dilakukan pada penelitian ini adalah
mengimplementasikan model dengan evaluasi paling optimal ke dalam sistem web.
Hasil penelitian ini menunjukkan bahwa model deep learning berarsitektur LSTM
dapat digunakan untuk analisis sentimen terhadap ulasan pembeli dengan Bahasa
Indonesia. Model yang paling optimal mendapatkan skor evaluasi performa
specificity dan recall masing-masing sebesar 0,945 dan 0,909.