Analisis sentimen memainkan peran penting dalam mengevaluasi opini dan respons
pengguna terhadap aplikasi BMKG yang menyediakan informasi cuaca dan peringatan
bencana. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pengguna
berdasarkan ulasan di Google Play Store menggunakan pendekatan deep learning.
Metode yang digunakan meliputi model Long Short-Term Memory (LSTM), Recurrent
Neural Network (RNN), dan Artificial Neural Network (ANN), serta dibandingkan
dengan Support Vector Machine (SVM) sebagai baseline metode konvensional.
Dataset yang digunakan berjumlah 3.583 ulasan dan diklasifikasikan ke dalam tiga
kategori sentimen: positif, negatif, dan netral. Hasil menunjukkan bahwa model LSTM
mencapai akurasi tertinggi sebesar 90%, diikuti oleh RNN (86%), ANN (82%), dan
SVM (79%). Sebagian besar ulasan bersentimen positif (50,01%), mencerminkan
apresiasi terhadap keakuratan informasi dan fitur notifikasi. Sementara itu, 29,98%
ulasan negatif banyak menyoroti masalah teknis seperti lambatnya pembaruan data,
dan sisanya (20,01%) bersifat netral. Penerapan deep learning terbukti lebih efektif
dalam memahami konteks bahasa dan struktur kalimat pada ulasan pengguna, sehingga
memberikan hasil klasifikasi yang lebih akurat. Temuan ini memberikan wawasan
penting bagi pengembang aplikasi BMKG untuk meningkatkan performa aplikasi
berdasarkan masukan pengguna.