ANALISIS SENTIMEN BERBASIS ASPEK PADA CAFE DAN COWORKING SPACE DI YOGYAKARTA MENGGUNAKAN METODE BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT)

Filsafati, Salsabilla (2023) ANALISIS SENTIMEN BERBASIS ASPEK PADA CAFE DAN COWORKING SPACE DI YOGYAKARTA MENGGUNAKAN METODE BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT). Other thesis, UPN "Veteran" Yogyajarta.

	Text ABSTRAK.pdf Download (33kB)
	Text COVER.pdf Download (155kB)
	Text DAFTAR ISI.pdf Download (111kB)
	Text DAFTAR PUSTAKA.pdf Download (108kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (236kB)
	Text PENGESAHAN PENGUJI.pdf Download (218kB)
	Text SKRIPSI FULL_SALSABILLA FILSAFATI_123180144.pdf Restricted to Repository staff only Download (3MB)

Abstract

vi
ABSTRAK
Pertumbuhan tren Work from Home (WFH) dan kebutuhan akan alternatif tempat
kerja telah memicu minat akan lokasi kerja alternatif, termasuk cafe dan coworking spaces.
Peristiwa ini menekankan perlunya suatu sistem yang dapat membantu pelanggan dalam
memilih tempat yang cocok serta membantu pemilik bisnis dalam mengevaluasi usahanya.
Banyaknya ulasan yang tersedia secara daring dapat dianalisis sentimennya dalam sebuah
proses yang dikenal sebagai analisis sentimen. Analisis Sentimen Berbasis Aspek berfokus
pada identifikasi berbagai aspek dalam ulasan dan klasifikasi sentimen terhadap masing-
masing aspek tersebut. Meskipun analisis sentimen berbasis aspek telah mulai dieksplorasi,
masih terdapat kebutuhan mendalam untuk penelitian lebih lanjut, terutama mengingat
sebagian besar penelitian yang ada dilakukan pada data berbahasa Inggris.
Penelitian ini bertujuan untuk menjalankan tugas analisis sentimen berbasis aspek
terhadap ulasan cafe dan coworking space dalam bahasa Indonesia dengan memanfaatkan
model Bidirectional Encoder Representations from Transformers (BERT). Penelitian ini
akan melibatkan pengumpulan dan pra-pemrosesan dataset ulasan dalam bahasa Indonesia.
Dalam pemodelan, variasi pre-trained model dan konfigurasi hyperparameter akan diteliti
untuk memastikan kinerja model yang optimal dalam tugas ini. Penelitian akan
menggunakan model multilingual BERT (m-BERT) dan monolingual BERT (IndoBERT).
Model yang telah dilatih akan digunakan untuk sistem yang dapat menganalisis ulasan,
mengekstrak aspek serta mengklasifikasikan sentimen terhadap masing-masing aspek.
Temuan pada pengujian menunjukkan bahwa model BERT berkinerja sangat baik
dalam tugas analisis sentimen berbasis aspek pada data berbahasa Indonesia. Model BERT
monolingual (IndoBERT) menunjukkan performa yang lebih unggul dibandingkan dengan
model BERT multilingual (m-BERT). Model terbaik memperoleh nilai sebesar 0.92 untuk
accuracy, 0.80 untuk precision, 0.76 untuk recall, dan 0.77 untuk F1-score dengan
kombinasi parameter jumlah epoch 16, dropout rate 0.5, dan learning rate 3e-5.
Kata kunci: Analisis Sentimen Berbasis Aspek, Analisis Sentimen, BERT, IndoBERT,
Pemrosesan Bahasa Alami, Coworking Spaces.
vii
ABSTRACT
The growth of the Work from Home (WFH) trend and the demand for alternative
workplaces have sparked interest in alternative work locations, including cafes and
coworking spaces. This phenomenon emphasizes the need for a system that can assist
customers in choosing suitable places and help business owners evaluate their ventures. The
abundant online reviews can be analyzed for sentiment, a process known as sentiment
analysis. Aspect-Based Sentiment Analysis (ABSA) focuses on identifying various aspects
in reviews and classifying sentiment for each aspect. Although ABSA has begun to be
explored, there is still a profound need for further research, especially considering that most
existing studies concentrated on English-language data.
This research aims to perform aspect-based sentiment analysis on reviews of cafes
and coworking spaces in the Indonesian language using the Bidirectional Encoder
Representations from Transformers (BERT) model. The study involves the collection and
pre-processing of Indonesian-language review datasets. In modelling, variations in pre-
trained models and hyperparameter configurations will be examined to ensure optimal model
performance in this task. The research will utilize the multilingual BERT (m-BERT) and
monolingual BERT (IndoBERT) models. These trained models will be used in a system
capable of analyzing reviews, extracting aspects, and classifying sentiment for each aspect.
The findings of the test affirm that the BERT model performs exceptionally well in
aspect-based sentiment analysis tasks on Indonesian-language data. The monolingual BERT
model (IndoBERT) demonstrates superior performance compared to the multilingual BERT
model (m-BERT). The best model achieves a score of 0.92 for accuracy, 0.80 for precision,
0.76 for recall, and 0.77 for the F1-score with a parameter combination of 16 epochs, a
dropout rate of 0.5, and a learning rate of 3e-5.
Keywords: Aspect-Based Sentiment Analysis, Sentiment Analysis, BERT, IndoBERT,
Natural Language Processing, Coworking Spaces.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Aspect-Based Sentiment Analysis, Sentiment Analysis, BERT, IndoBERT, Natural Language Processing, Coworking Spaces.
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	14 Sep 2023 06:17
Last Modified:	14 Sep 2023 06:17
URI:	http://eprints.upnyk.ac.id/id/eprint/37503

Actions (login required)

View Item