Pengembangan Model Analisis Sentimen Berbasis Aspek Dengan Teknik Transfer Learning Dan Local Sentiment Aggregation Pada Teks Bahasa (Studi Kasus : Ulasan Pariwisata Provinsi Bali)

Kusuma, Moch. Farrel Arrizal (2023) Pengembangan Model Analisis Sentimen Berbasis Aspek Dengan Teknik Transfer Learning Dan Local Sentiment Aggregation Pada Teks Bahasa (Studi Kasus : Ulasan Pariwisata Provinsi Bali). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05211940000111-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (4MB) | Request a copy

Abstract

Pariwisata merupakan sektor yang memegang peranan penting dalam perekonomian nasional Indonesia dengan sifat multiplier effect, artinya mempengaruhi perkembangan sektor lain. Pasca pandemi, meningkatnya kunjungan wisatawan mancanegara ke Indonesia menunjukkan potensi sektor pariwisata yang luar biasa. Untuk mengeksplorasi potensi ini, perlu dipahami apa yang pelanggan, yaitu wisatawan, pikirkan tentang tempat yang telah mereka kunjungi dan harapan mereka. Analisis sentimen telah menjadi pendekatan populer untuk mengatasi masalah ini. Dalam beberapa tahun terakhir, para peneliti telah bekerja dalam Analisis Sentimen Berbasis Aspek (ABSA), memungkinkan analisis ulasan yang lebih baik dengan menetapkan sentimen ke aspek tertentu. Local Sentiment Aggregation (LSA) diusulkan untuk secara efisien mengekstraksi aspek dan klasifikasi polaritas sentimen dari aspek tersebut. Dengan menggunakan BERT, LSA bekerja di bawah hipotesis sentimen serupa cenderung saling berdekatan. Yang diperkenalkan oleh LSA adalah aggregation window-based sentiment learning (AW). Jendela agregasi ini akan dibangun menggunakan embedding-based local context focus (ELCF), mekanisme fokus lokal berdasarkan embeddings. Penelitian ini bertujuan untuk menjawab pertanyaan, dapatkah LSA memberikan kinerja yang baik untuk ABSA dalam teks berbahasa Indonesia? Pertanyaan ini muncul karena LSA berasumsi bahwa kedekatan dapat berfungsi sebagai Proxy untuk struktur. Sementara asumsi seperti ini terbukti bekerja dengan baik untuk bahasa Inggris, tidak diketahui apakah itu cocok untuk bahasa lain, termasuk bahasa Indonesia. Berdasarkan Hasil Penelitian, model berbasis LSA memiliki performa yang cukup baik untuk melakukan klasifikasi sentimen berbasis aspek pada domain bahasa Indonesia. Pada data test, performa model domain Bahasa Inggris memiliki akurasi dan nilai f1 berturut-turut 92.48% dan 87.40% sementara Bahasa Indonesia dengan nilai akurasi dan f1 berturut-turut mencapai 80.30% dan 72.90%. Secara statistik, model LSA dengan domain Bahasa Indonesia menunjukkan performa yang cukup baik dalam mengenali sentimen dari aspek ulasan yang berhasil di ekstrak.
================================================================================================================================
Tourism is a sector that plays a vital role in the Indonesian national economy. It has a multiplier effect, meaning that it influences the development of other sectors, such as infrastructure, transportation, the service, food, and beverages industry, as well as opening job opportunities. After the pandemic, the rise in foreign tourist visits to Indonesia shows the remarkable potential of the tourism sector. To exploit this potential, it is necessary to understand what the customers – i.e., tourists – think of the places they have visited and their expectations. Sentiment analysis has become a popular approach to tackle this problem. In recent years, researchers have been working on Aspect-Based Sentiment Analysis (ABSA), enabling a better analysis of reviews by assigning sentiment to specific aspects. The Local Sentiment Aggregation (LSA) is proposed to efficiently extract aspects and classify sentiment polarity from those aspects. Utilizing BERT, LSA operates under the hypothesis that similar sentiments tend to be close to each other. What is introduced by LSA is the aggregation window-based sentiment learning (AW). This aggregation window will be constructed using embedding-based local context focus (ELCF), a mechanism of local focus based on embeddings. This study aims to address the question of whether LSA can provide good performance for ABSA in Indonesian text. This question arises because LSA assumes that proximity can serve as a proxy for structure. While such an assumption has proven to work well for English, it is unknown whether it is suitable for other languages, including Indonesian. Based on the research findings, the LSA-based model demonstrated better performance in aspect-based sentiment classification. On the test data, the English domain model achieved accuracy and F1 score of 92.48% and 87.40% respectively, while the Indonesian domain model achieved accuracy and F1 score of 80.30% and 72.90% respectively. Statistically, the LSA model with the Indonesian domain exhibited a reasonably good performance in recognizing the sentiment of extracted aspects from the reviews.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	sentimen analisis berbasis aspek, local sentiment, aggregation, transfer learning aspect based sentiment analysis, local sentiment aggregation, transfer learning
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G155 Tourism Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Moch. Farrel Arrizal Kusuma
Date Deposited:	20 Jul 2023 07:24
Last Modified:	20 Jul 2023 07:24
URI:	http://repository.its.ac.id/id/eprint/98725

Actions (login required)

View Item