Syahputra, Novyant (2021) Analisis Sentimen Level Aspek Teks Bahasa Indonesia Terhadap Ulasan Pariwisata Pada Situs Web Google Maps Review Menggunakan Recurrent Attention Network On Memory (Studi Kasus: Nusa Tenggara Timur). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211740000082-Undergraduate_Thesis.pdf - Accepted Version Download (2MB) | Preview |
Abstract
Sektor pariwisata merupakan salah satu sektor penting dalam pertumbuhan ekonomi di negara Indonesia. Peranan sektor pariwisata nasional semakin penting sejalan dengan perkembangan dan kontribusi yang diberikan sektor pariwisata melalui penerimaan devisa, pendapatan daerah, pengembangan wilayah, maupun dalam penyerapan investasi dan tenaga kerja serta pengembangan usaha yang tersebar di berbagai pelosok wilayah di Indonesia, khususnya Nusa Tenggara Timur merupakan salah satu provinsi yang memiliki daya tarik untuk berwisata. Permasalahan yang dihadapi Pemerintah dalam bidang pariwisata di antaranya implementasi kebijakan pengembangan objek wisata yang masih belum optimal. Pemerintah dapat membuat keputusan untuk masalah ini dengan melihat hasil review dari pariwisata setempat. Namun review pariwisata setempat belum cukup untuk melakukan pengambilan keputusan, diperlukan adanya analisa lebih lanjut agar informasi ulasan tersebut menjadi lebih bermakna. Hasil review dari pariwisata setempat tersebut akan dianalisis sentiment nya dengan klasifikasi 3 kategori yaitu positif, netral dan negatif dalam level aspek. Metode yang digunakan untuk analisis sentimen review pariwisata setempat tersebut adalah Recurrent Attention Network on Memory. Metode ini menggunakan bidirectional-LSTM, Position-Weighted Memory, informasi posisi aspek dalam sebuah kalimat serta penggunaan word embedding. Berdasarkan penelitian tersebut, model RAM telah terbukti mampu untuk melakukan analisis sentimen aspek bahasa indonesia dengan baik. Hal ini ditunjukkan dengan banyaknya prediksi benar oleh model. Akurasi yang dihasilkan dari pengujian model ini yaitu 86,05% dengan nilai macro F1 sebesar 0,6012. Hasil pengujian lalu divisualisasikan dalam bentuk grafik bar plot dan confusion matrix.
=================================================================================================
The tourism sector is one of the important sectors in economic growth in Indonesia. The role of the national tourism sector is increasingly important in line with the development and contribution provided by the tourism sector through foreign exchange earnings, regional income, regional development, as well as in absorption of investment and labor as well as business development spread across various parts of Indonesia, especially East Nusa Tenggara. a province that has attractiveness for tourism. The problems faced by the Government in the tourism sector include the implementation of tourism object development policies that are still not optimal. The government can make a decision on this issue by looking at the reviews of local tourism. However, local tourism reviews are not sufficient for making decisions, further analysis is needed so that the review information becomes more meaningful. The results of the review from local tourism will be analyzed for sentiment with a classification of 3 categories, namely positive, neutral and negative at the aspect level. The method used to analyze local tourism review sentiment is the Recurrent Attention Network on Memory. This method uses bidirectional-LSTM, Position-Weighted Memory, information on the position of aspects in a sentence and the use of word embedding. Based on this research, the RAM model has been shown to be able to analyze the sentiment aspects of the Indonesian language well. This is indicated by the number of correct predictions by the model. The accuracy resulted from testing this model is 86.05% with an F1 macro value of 0.6012. The test results are then visualized in the form of a bar plot and confusion matrix graph.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen Level Aspek, Pariwisata, Ulasan, Recurrent Attention Network on Memory, Aspect Level Sentiment Analysis, Tourism, Reviews, Recurrent Attention Network on Memory |
| 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: | Novyant Syahputra |
| Date Deposited: | 06 Mar 2021 06:39 |
| Last Modified: | 07 Nov 2024 05:57 |
| URI: | http://repository.its.ac.id/id/eprint/83665 |
Actions (login required)
 |
View Item |