Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi RCTI+ di Google Play Store dengan menggunakan metode Recurrent Neural Network (RNN). Dataset yang digunakan terdiri dari 2.570 ulasan pengguna yang telah diproses sebelumnya. Proses analisis dilakukan melalui beberapa tahap, mulai dari pengumpulan data, pelabelan sentimen menggunakan teknik berbasis leksikon, hingga penerapan model RNN untuk klasifikasi sentimen. Hasil penelitian menunjukkan bahwa model RNN yang digunakan berhasil mencapai akurasi sebesar 82%. Ini menunjukkan bahwa metode ini efektif dalam mengklasifikasikan sentimen pengguna, baik positif, negatif, maupun netral. Penelitian ini memberikan kontribusi signifikan dalam pemahaman pola sentimen pengguna serta memberikan wawasan berharga bagi pengembang aplikasi untuk meningkatkan kualitas dan fitur aplikasi berdasarkan persepsi pengguna. Dengan hasil ini, model RNN dapat dianggap sebagai alat yang andal untuk analisis sentimen dalam konteks ulasan aplikasi mobile. Penelitian ini juga membuka peluang untuk pengembangan lebih lanjut dalam analisis sentimen, khususnya dalam penerapan teknologi deep learning.

This study aims to analyze user sentiment towards the RCTI+ application on the Google Play Store using the Recurrent Neural Network (RNN) method. The dataset used consists of 2,570 pre-processed user reviews. The analysis process is carried out through several stages, starting from data collection, sentiment labeling using lexicon-based techniques, to the application of the RNN model for sentiment classification. The results of the study show that the RNN model used successfully achieved an accuracy of 91%. This shows that this method is effective in classifying user sentiment, both positive, negative, and neutral. This study makes a significant contribution to understanding user sentiment patterns and provides valuable insights for application developers to improve the quality and features of applications based on user perceptions. With these results, the RNN model can be considered a reliable tool for sentiment analysis in the context of mobile application reviews. This study also opens up opportunities for further development in sentiment analysis, especially in the application of deep learning technology.