Penggalian Aspek dan Sentimen dari Ulasan Menggunakan Local Sentiment Aggregation untuk Memahami Opini Publik tentang Museum Indonesia (Studi Kasus: Museum di Pulau Jawa)

Muzammil, Muhammad Alif Amri (2023) Penggalian Aspek dan Sentimen dari Ulasan Menggunakan Local Sentiment Aggregation untuk Memahami Opini Publik tentang Museum Indonesia (Studi Kasus: Museum di Pulau Jawa). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05211940000032-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Museum memiliki peran penting dalam kehidupan masyarakat. Lebih dari sekedar tempat berkunjung untuk melihat barang antik dan peninggalan, museum adalah alat untuk mengkomunikasikan identitas dan sejarah suatu bangsa. Namun, nilai strategis museum belum banyak dikenal di Indonesia, terlihat dari minimnya minat masyarakat untuk mengunjungi museum. Hasil Survei Sosial Ekonomi Nasional Modul Sosial, Budaya, dan Pendidikan (Susenas MSBP) 2015, persentase penduduk berusia di atas sepuluh tahun yang mengunjungi museum, cagar sejarah, atau cagar budaya hanya sekitar 6,43 persen. Data ini menunjukkan bahwa masyarakat masih belum banyak mendapat manfaat dari mengunjungi museum, peninggalan sejarah, atau situs cagar budaya. Untuk mengembangkan strategi dalam meningkatkan minat publik terhadap museum, penting untuk memahami perspektif publik tentang bagaimana mereka memandang museum, aspek apa yang dipikirkan orang tentang museum, dan bagaimana perasaan mereka tentang museum. Penting juga untuk memahami keadaan museum saat ini dari sudut pandang pengunjung. Karena museum juga berfungsi sebagai objek wisata, opini ini tersedia dari situs web seperti TripAdvisor dan Google Review. Dalam memahami opini pengunjung, analisis sentiment dari ulasan dapat dianggap sebagai data yang berharga. Penelitian ini bertujuan untuk memberikan wawasan tentang opini publik terhadap museum di Indonesia dengan melatih model Aspect Based Sentiment Analysis (ABSA), kombinasi metode Deep Learning untuk mengekstraksi aspek dan sentiment dengan model bahasa yang telah dilatih sebelumnya dengan mekanisme perhatian yang tidak terurai. Ini didasarkan pada Local Sentiment Aggregation (LSA) untuk menangkap sentimen implisit pada aspek dengan mekanisme windowing, melewati kompleksitas dependensi sentimen pemodelan eksplisit. Model yang dihasilkan memberikan akurasi prediksi tertinggi pada data latih gabungan dengan persentase pembagian 80:10:10 pada pengujian dengan data uji Museum Swasta dengan rata-rata akurasi dan nilai F1 berturut-turut 88.59% dan 80.07%. Hasil menunjukkan performa model LSA secara statistik memiliki performa yang cukup baik untuk mengenali sentimen dari aspek yang telah dilabel.
==================================================================================================================================
Museums have an important role in people's lives. More than just a place to visit to see antiques and relics, museums are tools to communicate the identity and history of a nation. However, the strategic value of museums is not widely known in Indonesia, as seen from the lack of public interest in visiting museums. The results of the 2015 Social, Cultural and Educational Module National Socio-Economic Survey (Susenas MSBP), the percentage of the population aged over ten years who visited museums, historical reserves or cultural reserves was only around 6.43 percent. This data shows that people still do not benefit much from visiting museums, historical heritage or cultural heritage sites. In order to develop strategies to increase public interest in museums, it is important to understand the public's perspective on how they view museums, what aspects people think about museums, and how they feel about museums. It is also important to understand the current state of the museum from the visitor's point of view. Since museums also serve as tourist attractions, opinions are available from websites such as TripAdvisor and Google Reviews. In understanding visitors' opinions, sentiment analysis of reviews can be considered as valuable data. This study aims to provide insight into public opinion about museums in Indonesia by training the Aspect Based Sentiment Analysis (ABSA) model, a combination of the Deep Learning method for extracting aspects and sentiments with a language model that has been previously trained with an unraveled attention mechanism. It is based on Local Sentiment Aggregation (LSA) to capture implicit sentiment on aspects with a windowing mechanism, bypassing the complexity of modeling explicit sentiment dependencies. The resulting model provides the highest prediction accuracy on the combined training data with a percentage division of 80:10:10 in tests with private museum test data with an average accuracy and F1 value of 88.59% and 80.07%, respectively. The results show that the performance of the LSA model statistically has fairly good performance to recognize sentiment from aspects that have been labeled.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	LSA, Museum, ABSA, TripAdvisor
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G155 Tourism Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Alif Amri Muzammil
Date Deposited:	31 Jul 2023 01:36
Last Modified:	31 Jul 2023 01:36
URI:	http://repository.its.ac.id/id/eprint/100147

Actions (login required)

View Item