Pengembangan dan Implementasi Model Prediksi Rating Ulasan Produk Antiacne Menggunakan Metode Long-Short Term Memory (LSTM)

Pemberian penilaian dalam dunia digital saat ini memiliki peran penting dalam membentuk reputasi sebuah produk. Pemisahan antara ulasan berbentuk teks dan rating numerik dapat menimbulkan inkonsistensi dalam proses penilaian, yang pada akhirnya memengaruhi citra produk serta kepercayaan konsumen. Untuk mengatasi permasalahan ini, dirancang sebuah sistem yang mengintegrasikan model prediksi rating otomatis berdasarkan data ulasan teks. Model ini dikembangkan menggunakan algoritma Deep Learning Long Short Term Memory (LSTM). Model yang berhasil dikembangkan kemudian diintegrasikan ke dalam bentuk aplikasi website menggunakan framework Flask. Berdasarkan evaluasi menggunakan confusion matrix, model menghasilkan nilai rata-rata akurasi, presisi, recall, dan f1-score sebesar 83%, yang menunjukkan kemampuannya dalam memprediksi rating dari ulasan dengan baik. Sebagai bentuk validasi, dilakukan justifikasi oleh pakar kecantikan terhadap hasil prediksi, dan diperoleh bahwa 82,35% prediksi sesuai dengan pendapat pakar. Hal ini menunjukkan bahwa model telah memiliki tingkat akurasi yang cukup tinggi dan siap digunakan oleh pengguna. Untuk evaluasi sistem, dilakukan pengujian mandiri menggunakan metode Black Box Testing dan pengujian oleh pengguna akhir menggunakan User Acceptance Test (UAT), System Usability Scale (SUS), dan Net Promoter Score (NPS). Hasil pengujian sistem menunjukkan bahwa fungsionalitas sistem telah berfungsi dengan baik, mudah digunakan, serta mendapat respons positif dari pengguna, sehingga dinilai layak untuk digunakan.