PENERAPAN ALGORITMA LATENT DIRICHLET ALLOCATION (LDA) DAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) UNTUK ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN PENGGUNA APLIKASI GRAB

WIBISANA, TEGAR (2025) PENERAPAN ALGORITMA LATENT DIRICHLET ALLOCATION (LDA) DAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) UNTUK ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN PENGGUNA APLIKASI GRAB. Skripsi thesis, UPN Veteran Yogyakarta.

	Text 2_Cover_123210024_Tegar Wibisana.pdf Download (302kB)
	Text 3_Abstrak_123210024_Tegar Wibisana.pdf Download (174kB)
	Text 4_Halaman Pengesahan_123210024_Tegar Wibisana.pdf Download (381kB)
	Text 5_Daftar Isi_123210024_Tegar Wibisana.pdf Download (231kB)
	Text 6_Daftar Pustaka_123210024_Tegar Wibisana.pdf Download (224kB)
	Text 1_Skripsi Full_123210024_Tegar Wibisana.pdf Restricted to Repository staff only Download (4MB)
	Text PANDUAN MENGAKSES DTS FULL.pdf Download (861kB)

Abstract

Analisis Sentimen Berbasis Aspek (Aspect-Based Sentiment Analysis) merupakan pendekatan yang bertujuan untuk mengidentifikasi aspek-aspek spesifik dari suatu entitas serta sentimen yang terkait dengannya. Penelitian ini mengimplementasikan algoritma Latent Dirichlet Allocation (LDA) untuk ekstraksi aspek secara otomatis dan bertujuan untuk mengevaluasi sentimen pengguna terhadap aplikasi Grab berdasarkan aspek-aspek tersebut. Data yang digunakan terdiri dari 27.874 ulasan berbahasa Indonesia yang diambil dari Google Play Store, dikumpulkan selama periode 10 Februari 2024 hingga 10 Februari 2025. Dataset ini telah melalui beberapa tahap praproses, meliputi cleansing, normalization, tokenisasi, stopword removal, dan stemming. LDA digunakan untuk mengelompokkan kata�kata ke dalam tiga topik Utama yang kemudian diinterpretasikan dan diberi label aspek secara manual, yaitu biaya, layanan, dan pengalaman. Setelah aspek-aspek teridentifikasi, tahap selanjutnya adalah melakukan klasifikasi aspek dan sentimen dari masing-masing ulasan. Untuk tugas ini, digunakan model berbasis transformer, yaitu Bidirectional Encoder Representationsfrom Transformers(BERT), yang telah terbukti efektif dalam berbagai tugas pemrosesan bahasa alami. Secara khusus, model IndoBERT dipilih karena kemampuannya dalam memahami konteks bahasa Indonesia. Model ini kemudian di finetune untuk dua tugas klasifikasi: klasifikasi aspek dan klasifikasi sentimen (positif/negatif). Hasil evaluasi menunjukkan bahwa model IndoBERT untuk klasifikasi aspek mencapai akurasi sebesar 84,54%, precision 83,40%, recall 82,28%, dan F1-score 82,76%. Sementara itu, model IndoBERT untuk klasifikasi sentimen memperoleh akurasi 93,49%, precision 92,17%, recall 92,91%, dan F1-score 92,52%. Kombinasi antara LDA dan IndoBERT menunjukkan potensi yang menjanjikan dalam mengidentifikasi aspek serta mengklasifikasikan sentimen berdasarkan aspek dalam ulasan pengguna, dan dapat memberikan kontribusi signifikan dalam pengembangan sistem analisis opini untuk aplikasi layanan daring.

Kata kunci: Analisis Sentimen Berbasis Aspek, LDA, BERT, IndoBERT

Item Type:	Thesis (Skripsi)
Additional Information:	TEGAR WIBISANA (Penulis - 123210024) ; Heriyanto (Pembimbing)
Uncontrolled Keywords:	Analisis Sentimen Berbasis Aspek, LDA, BERT, IndoBERT
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > Informatika (S1)
Depositing User:	Bayu Pambudi
Date Deposited:	15 Jul 2025 03:17
Last Modified:	15 Jul 2025 03:17
URI:	http://eprints.upnyk.ac.id/id/eprint/43108

Actions (login required)

View Item