Analisis Sentimen Level Aspek Teks Bahasa Inggris Pada Ulasan Destinasi Super Prioritas (Dsp) Situs Web Tripadvisor Menggunakan Lcf-Atepc

Rahman, Radya Amirur (2022) Analisis Sentimen Level Aspek Teks Bahasa Inggris Pada Ulasan Destinasi Super Prioritas (Dsp) Situs Web Tripadvisor Menggunakan Lcf-Atepc. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05211840000030-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Destinasi Super Prioritas (DSP) merupakan langkah pemerintah Indonesia untuk mengembangkan sektor pariwisata yang tersebar di lima lokasi berbeda. Untuk mengetahui kualitas dari destinasi tersebut, ulasan pengunjung di situs web Tripadvisor dapat dijadikan sebagai sumber data. Ulasan pengunjung mengandung berbagai opini mengenai berbagai aspek yang ada pada destinasi wisata. Pengetahuan mengenai opini pada aspek tertentu sangat berguna bagi pemangku kepentingan untuk melakukan peningkatan layanan dan fasilitas. Penelitian ini bertujuan untuk melakukan analisis sentimen level aspek pada ulasan DSP dalam Bahasa Inggris menggunakan metode LCF-ATEPC (Local Context Focus - Aspect Term Extraction and Polishing Classification). Metode ini dipilih karena memiliki kemampuan untuk mengekstraksi term aspek dan menentukan sentimen dari aspek tersebut dengan mempertimbangkan konteks lokal dari aspek. Berdasarkan hasil pengujian, model LCF-ATEPC mencapai skor f1-macro sebesar 74.32% pada dataset ulasan DSP. Penelitian ini menunjukkan bahwa metode LCF-ATEPC efektif untuk melakukan analisis sentimen level aspek pada ulasan wisata dengan dataset yang terbatas.
==============================================================================================================================
Super Priority Destinations (DSP) are the Indonesian government's steps to develop the tourism sector, which are spread across five different locations. To determine the quality of these destinations, visitor reviews on the Tripadvisor website can be used as a data source. Visitor reviews contain various opinions about the various aspects of tourist destinations. Knowledge of opinions on specific aspects is very useful for stakeholders to improve services and facilities. This study aims to conduct aspect-level sentiment analysis on DSP reviews in English using the LCF-ATEPC (Local Context Focus - Aspect Term Extraction and Polishing Classification) method. This method was chosen because it has the ability to extract aspect terms and determine the sentiment of those aspects by considering the local context of the aspect. Based on the test results, the LCF-ATEPC model achieved an f1-macro score of 74.32% on the DSP review dataset. This research shows that the LCF-ATEPC method is effective for performing aspect-level sentiment analysis on tourism reviews with a limited dataset.

Item Type:	Thesis (Other)
Additional Information:	RSSI 006.76 Rah a-1 2022
Uncontrolled Keywords:	Analisis Sentimen Level Aspek. LCF-ATEPC. Aspect Level Sentiment Analysis. LCF-ATEPC
Subjects:	H Social Sciences > HD Industries. Land use. Labor > HD30.213 Management information systems. Dashboards. Enterprise resource planning.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	03 Jun 2026 02:45
Last Modified:	03 Jun 2026 02:45
URI:	http://repository.its.ac.id/id/eprint/133507

Actions (login required)

View Item