Ekstraksi Aspek dan Klasifikasi Polaritas pada Ulasan Pariwisata untuk Mengidentifikasi Keunikan Daerah: Studi Kasus Provinsi Aceh

Hermawan, Alfado Rafly (2023) Ekstraksi Aspek dan Klasifikasi Polaritas pada Ulasan Pariwisata untuk Mengidentifikasi Keunikan Daerah: Studi Kasus Provinsi Aceh. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05211940000090_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (3MB) | Request a copy

Abstract

Daya tarik suatu daerah pada kegiatan pariwisata seringkali ditentukan oleh keunikannya. Agar berhasil menarik pengunjung, penting untuk mengidentifikasi keunikan yang dapat membedakan suatu daerah dari yang lain, terutama dalam persaingan dengan daerah yang lebih populer. Mengingat peran strategis pariwisata tidak hanya sebagai penggerak pertumbuhan ekonomi nasional tetapi juga sebagai sumber devisa negara (Yaqup, 2019), maka pariwisata telah menjadi salah satu sektor strategis saat ini yang diprioritaskan di Indonesia dalam Rencana Pembangunan Jangka Menengah Nasional 2020-2024 untuk memperkuat ketahanan ekonomi nasional (Mun'im, 2022). Tetapi, di banyak daerah, keunikan daerah masih belum teridentifikasi dan kurang tereksplorasi. Begitu juga dengan Provinsi Aceh yang saat ini menerapkan smart concept tourism (Zulkifli et al., 2022), Aceh memperkuat branding destinasinya berdasarkan budaya Islam lokal, sejarah, dan keindahan alam. Untuk memastikan keefektifan dan keberhasilannya, perlu dipahami apa pendapat dan harapan wisatawan dan aspek apa yang mereka anggap penting dimana sumber informasi tersebut banyak diulas di situs web perjalanan seperti TripAdvisor. Namun, pekerjaan yang diperlukan untuk analisis manual menghambat pembuatan wawasan secara tepat waktu dari ulasan tersebut. Untuk mengatasi masalah tersebut, dalam penelitian ini kami mengembangkan model yang secara otomatis mengekstraksi aspek dan sentimen dari aspek tersebut seperti yang diungkapkan dalam ulasan wisatawan terhadap objek wisata di Aceh menggunakan teknologi Deep Learning. Sebagai sumber data, kami mengumpulkan ulasan tentang objek wisata lokal di Aceh di situs web Trip Advisor, platform ulasan paling populer di industri pariwisata (Viriya & Boonyanit, 2019). Untuk mendapatkan pemahaman yang lebih mendetail, kami mengambil pendekatan Aspect-Based Sentiment Analysis, yang mengklasifikasikan aspek ulasan tertentu ke dalam kelas positif, netral dan negatif (Liu, 2015). Metode yang digunakan dalam penelitian ini adalah Local Context Focus – Aspect Term Extraction & Aspect Polarization Classification (LCF-ATEPC). LFC-ATEPC menggabungkan pendekatan multitugas dengan model BERT yang diadaptasi domain untuk mengekstrak aspek dalam ulasan sekaligus menentukan polaritas sentimennya. Berdasarkan hasil penelitian, model LCF-ATEPC telah terbukti mampu untuk melakukan analisis sentimen berbasis aspek pada ulasan berbahasa inggris dengan baik. Hasil pembuatan model LCF-ATEPC terbaik didapatkan menggunakan dataset interquartile (98,51%) dengan skor APC-ACC, APC-F1, dan ATE-F1 sebesar 86,61%, 80,64%, dan 74,65%.
======================================================================================================================================
The attractiveness of a region for tourism activities is often determined by its uniqueness. To successfully attract visitors, it is essential to identify what uniqueness sets a region apart from others, especially in competition with more popular areas. Considering the strategic role of tourism not only as a driver of national economic growth but also as a source of foreign exchange earnings (Yaqup, 2019) and a major contributor of the Indonesian GDP, tourism has been listed as one of the prioritized strategic sectors on the 2020-2024 National Medium-Term Development Plan for strengthening national economic resilience (Mun’im, 2022). Unfortunately, for many regions, regional uniqueness remains unidentified and under-explored. This is also the case for the Aceh province. Implementing smart concept tourism (Zulkifli et al., 2022), Aceh is strengthening its destination branding based on local Islamic culture, history, and natural beauty. In order to ensure its effectiveness and success, it is necessary to understand what tourists’ opinions and expectations are and what aspects they consider important. A natural source of such information is reviewed on travel websites such as TripAdvisor. However, the work required for manual analysis hinders the timely generation of insights from such reviews. To solve this problem, in this research, we develop a model for automatically extracting the aspects and the sentiment of those aspects as expressed in tourists’ reviews on tourism objects in Aceh using Deep Learning technology. As a data source, we gather reviews on local attractions in Aceh on the Trip Advisor website, the most popular review platform in the tourism industry (Viriya & Boonyanit, 2019). To get a more fine-grained understanding, we take the approach of Aspect-Based Sentiment Analysis, which classifies specific aspects of reviews into positive and negative classes (Liu, 2015). The method used in this study is the Local Context Focus – Aspect Term Extraction & Aspect Polarization Classification (LCF-ATEPC). LFC-ATEPC combines a multitask approach with a domain-adapted BERT model to extract aspects in reviews while simultaneously determining their sentiment polarity. Based on the research findings, the LCF-ATEPC model has demonstrated its ability to effectively conduct aspect-based sentiment analysis on English language reviews. The optimal performance of the LCF-ATEPC model was achieved by utilizing a dataset distributed among training, validation, and test data in a ratio of 70:10:20. Additionally, the outlier removal technique employed the interquartile method, resulting in impressive APC-ACC, APC-F1, and ATE-F1 scores of 86.61%, 80.64%, and 74.65%, respectively.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Sentimen Analisis Berbasis Aspek, Provinsi Aceh, Pariwisata, LCF-ATEPC, Aspect Based Sentiment Analysis, Aceh Province, Tourism, Review.
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:	Alfado Rafly Hermawan
Date Deposited:	26 Jul 2023 01:43
Last Modified:	26 Jul 2023 01:43
URI:	http://repository.its.ac.id/id/eprint/99190

Actions (login required)

View Item