Permintaan akan aplikasi kesehatan di Indonesia menunjukkan peningkatan yang signifikan setiap tahunnya, mencerminkan kebutuhan masyarakat akan layanan kesehatan yang lebih mudah diakses dan efisien. Namun, adopsi aplikasi kesehatan masih menghadapi berbagai tantangan yang kompleks, terutama dalam hal penerimaan oleh pengguna. Untuk mengatasi masalah ini dilakukan penelitian dengan tujuan mengklasifikasikan penerimaan aplikasi kesehatan berdasarkan aspek teknis menggunakan algoritma Long Short-Term Memory (LSTM). Hasil penelitian menunjukkan bahwa perceived usefulness merupakan faktor utama yang mendapat banyak jawaban positif dari pengguna. Selain itu, system quality dan facilitating conditions juga memiliki peran penting dalam meningkatkan penerimaan aplikasi kesehatan. Penelitian ini membandingkan dua skenario penggunaan model LSTM, yaitu dengan single layer dan double layer. Pada skenario pertama, model LSTM dengan single layer mencapai akurasi tertinggi sebesar 84.5%. Pada skenario kedua, model LSTM dengan double layer mencapai akurasi 82.6%. Hasil model menunjukkan bahwa penambahan layer tidak memengaruhi peningkatan akurasi secara signifikan. Penelitian ini diharapkan dapat membantu pengembang aplikasi kesehatan dalam mengoptimalkan fitur-fitur yang relevan dengan kebutuhan pengguna, sehingga dapat meningkatkan adopsi aplikasi kesehatan di Indonesia.
Kata Kunci -- Aplikasi Kesehatan, Faktor Adopsi, LSTM.