ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN HOTEL MENGGUNAKAN METODE BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS

Rahman, Huda Fatkhur (2022) ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN HOTEL MENGGUNAKAN METODE BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (508kB)
	Text (BAB I) BAB I.pdf Download (227kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (714kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (160kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (791kB)
	Text (BAB V) BAB V.pdf Download (48kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (130kB)
	Other (SOURCE CODE) SourceCode 17.11.1613 Huda Fatkhur Rahman.rar Restricted to Repository staff only Download (101kB)
	Text (PUBLIKASI) Publikasi 17.11.1613 Huda Fatkhur Rahman.pdf Restricted to Repository staff only Download (407kB)

Abstract

Bidang usaha perhotelan merupakan usaha bisnis yang bergerak pada bidang pariwisata yang penting baik dari segi fasilitas, pelayanan ataupun jarak tempuh perjalanan wisata. Saat ini sudah banyak website wisata yang menyediakan fasilitas untuk pengguna internet menuliskan opini dan pengalaman pribadinya secara online. Analisis sentimen berbasis aspek atau biasa disingkat ABSA adalah mengidentifikasi aspek dari entitas yang diberikan dan mengidentifikasi sentiment yang diekspresikan pada tiap aspek. Penelitian ini menggunakan data ulasan hotel untuk melakukan analisis sentimen yang didapatkan dari situs Traveloka. Penelitian ini memanfaatkan sebuah metode deep learning yaitu Bidirectional Encoder Representation from Transformer atau BERT sebagai metode word embedding untuk mempresentasikan kata menjadi vektor. Klasifikasi pada penelitian ini dilakukan dengan menambahkan layer linear regression pada layer paling atas di BERT. Dari percobaan yang dilakukan dengan pembagian data training sebanyak 60%, data eval sebanyak 20%, dan data tes sebanyak 20% dari total 5.000 data, dapat dilihat bahwa metode BERT untuk klasifikasi sentimen memberikan hasil dengan nilai precision sebesar 0.89, recall sebesar 0.90, dan f1-score sebesar 0.90. Sedangkan untuk klasifikasi sentimen memberikan hasil terbaik pada model BERT dengan nilai precision sebesar 0.88, recall sebesar 0.90, dan f1-score sebesar 0.88. Preprocessing yang dilakukan dengan data tanpa stemming memiliki hasil yang hampir mirip bahkan lebih baik dibandingan menggunakan data dengan stemming.

Actions (login required)

View Item