Penerapan Zero-Shot Learning untuk Analisis Sentimen pada Destinasi Pariwisata Indonesia

Rahmandika, Muhammad Farhan (2024) Penerapan Zero-Shot Learning untuk Analisis Sentimen pada Destinasi Pariwisata Indonesia. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026201111-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (22MB) | Request a copy

Abstract

Pariwisata adalah sektor penting dalam perekonomian Indonesia. Ulasan wisatawan di platform online memberikan gambaran kualitas destinasi pariwisata dan menjadi referensi bagi pengelola destinasi. Analisis sentimen ulasan ini penting untuk meningkatkan kualitas layanan dan pengalaman wisatawan. Metode machine learning analisis sentimen konvensional membutuhkan pelatihan model untuk setiap domain destinasi yang memakan banyak sumber daya dan membutuhkan data yang banyak. Zero-Shot Learning adalah konsep machine learning dimana model tidak memerlukan dataset training baru untuk mengklasifikasikan domain yang belum pernah dilihat sebelumnya, sementara itu Few-Shot learning adalah konsep machine learning dimana model yang sudah ada dilatih lagi dengan beberapa data dengan domain yang belum pernah dilihat sebelumnya. Penelitian ini adalah menerapkan ZSL dan FSL pada Model yang LCF-ATEPC yang telah dilatih sebelumnya. Model yang digunakan dalam penelitian ini menggunakan data ulasan pariwisata di Nusa Tenggara Timur dan Nusa Tenggara Barat untuk wisata alam, serta data ulasan pariwisata di Jakarta dan Surabaya untuk wisata metropolis sebagai data dengan domain berbeda. Metodologi penelitian meliputi identifikasi masalah, studi literatur, pengumpulan dan pre-processing data, data labeling, pengujian model dengan data berbeda, evaluasi performa, transfer learning, fine-tuning model, dan dokumentasi penelitian. Hasil penelitian menunjukkan bahwa ZSL dapat diterapkan secara untuk analisis sentimen pariwisata di Indonesia dengan akurasi sebesar 62%, dengan potensi peningkatan performa melalui FSL untuk mengklasifikasikan sentimen dengan peningkatan akurasi sebesar 16% sampai 24% pada destinasi yang belum pernah diulas sebelumnya. Penelitian ini berkontribusi pada pengembangan teknik analisis sentimen untuk meningkatkan kualitas layanan dan pengalaman wisatawan di Indonesia.
============================================================
Tourism is an important sector in Indonesia's economy. Tourist reviews on online platforms provide an overview of the quality of tourist destinations and serve as references for destination managers. Sentiment analysis of these reviews is crucial for improving service quality and tourist experience. Conventional machine learning sentiment analysis methods require training a model for each destination domain, which consumes a lot of resources and requires a large amount of data. Zero-Shot Learning (ZSL) is a machine learning concept where the model does not need a new training dataset to classify previously unseen domains, while Few-Shot Learning (FSL) is a machine learning concept where an existing model is retrained with a small amount of data from previously unseen domains. This study aims to apply ZSL and FSL to a pre-trained LCF-ATEPC model. The model used in this study utilizes tourism review data from East Nusa Tenggara and West Nusa Tenggara for nature tourism, as well as review data from Jakarta and Surabaya for metropolitan tourism as data from different domains. The research methodology includes problem identification, literature review, data collection and pre-processing, data labeling, model testing with different data, performance evaluation, transfer learning, model fine-tuning, and research documentation. The results of the study show that ZSL can be applied to sentiment analysis of tourism in Indonesia with an accuracy of 62%, with potential performance improvement through FSL for classifying sentiment with an accuracy increase of 16% to 24% for previously unseen destinations. This research contributes to the development of sentiment analysis techniques to improve service quality and tourist experience in Indonesia.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis sentimen, few-shot learning, natural language processing, pariwisata, pemrosesan bahasa alami, sentiment analysis, tourism, zero-shot learning.
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Farhan
Date Deposited:	01 Aug 2024 17:11
Last Modified:	01 Aug 2024 17:11
URI:	http://repository.its.ac.id/id/eprint/112083

Actions (login required)

View Item