PENERAPAN BILSTM DENGAN FASTTEXT DALAM ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN WISATAWAN TERHADAP DESTINASI WISATA DI YOGYAKARTA

Gedoan, Mario Fabian Arka Armando (2025) PENERAPAN BILSTM DENGAN FASTTEXT DALAM ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN WISATAWAN TERHADAP DESTINASI WISATA DI YOGYAKARTA. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text Cover - Mario Fabian Arka Armando Gedoan - 123210122.pdf Download (136kB)
	Text Halaman pengesahan penguji - Mario Fabian Arka Armando Gedoan - 123210122.pdf Download (192kB)
	Text Halaman pengesahan pembimbing - Mario Fabian Arka Armando Gedoan - 123210122.pdf Download (198kB)
	Text Abstrak - Mario Fabian Arka Armando Gedoan - 123210122.pdf Download (133kB)
	Text Daftar Isi - Mario Fabian Arka Armando Gedoan - 123210122.pdf Download (204kB)
	Text Daftar Pustaka - Mario Fabian Arka Armando Gedoan.pdf Download (199kB)
	Text Naskah TA Lengkap - Mario Fabian Arka Armando Gedoan - 123210122.pdf Restricted to Repository staff only Download (2MB)

Abstract

Ulasan wisatawan secara daring merupakan sumber informasi penting yang dapat
dimanfaatkan untuk mengevaluasi kualitas layanan dan memahami persepsi pengunjung
terhadap suatu destinasi wisata. Namun, pendekatan analisis sentimen konvensional sering
kali menghasilkan informasi yang bersifat umum dan tidak mampu mengidentifikasi aspek�aspek spesifik yang dibahas dalam ulasan. Kondisi ini menyulitkan pengelola destinasi untuk
menyusun strategi pengembangan dan promosi yang tepat sasaran. Oleh karena itu,
penelitian ini mengangkat permasalahan bagaimana mengimplementasikan dan
mengevaluasi kinerja model Aspect-Based Sentiment Analysis (ABSA) berbasis BiLSTM
dan FastText dalam mendeteksi aspek dan sentimen dari ulasan wisatawan terhadap destinasi
wisata di Yogyakarta.
Penelitian ini menggunakan pendekatan ABSA dengan membangun delapan
model BiLSTM secara terpisah, terdiri dari empat model untuk mendeteksi keberadaan
aspek dan empat model lainnya untuk mengklasifikasikan sentimen terhadap masing-masing
aspek. Aspek yang dianalisis meliputi daya tarik, fasilitas, akses, dan harga. Data ulasan
diperoleh dari platform Google Maps dan direpresentasikan menggunakan pretrained
FastText Bahasa Indonesia, yang mampu menangkap variasi morfologis dan konteks kata
tidak baku dalam ulasan. Model dilatih dengan strategi binary relevance dan divalidasi
menggunakan teknik 5-Fold Cross Validation, sehingga mendukung klasifikasi multi-label
yang mampu mengenali lebih dari satu aspek dan sentimen dalam satu ulasan.
Hasil penelitian menunjukkan bahwa model deteksi aspek memiliki performa
terbaik pada aspek harga dan akses, dengan rata-rata akurasi sebesar 91,63% dan 92,43%.
Sebaliknya, aspek daya tarik dan fasilitas menunjukkan performa yang lebih fluktuatif
dengan akurasi rata-rata 89,94% dan 80,60%. Pada pemodelan sentimen, aspek daya tarik
dan harga memperoleh akurasi tertinggi, yaitu sekitar 95,24% dan 93,44%, sedangkan aspek
akses dan fasilitas masing-masing mencapai akurasi maksimum sebesar 79,41% dan
85,79%. Pendekatan ini terbukti efektif dalam mendeteksi lebih dari satu aspek dan sentimen
dalam satu ulasan (multi-label), dengan bantuan representasi kata dari FastText yang mampu
menangkap variasi kosakata informal. Secara umum, daya tarik dan harga merupakan aspek
yang paling sering dikomentari oleh wisatawan.
Kata Kunci: ABSA, BiLSTM, FastText, analisis sentimen, ulasan wisata, multi-label
classification

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Mario Fabian Arka Armando Gedoan (Penulis - 123210122) ; Heriyanto (Pembimbing)
Uncontrolled Keywords:	ABSA, BiLSTM, FastText, analisis sentimen, ulasan wisata, multi-label classification
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	10 Nov 2025 03:51
Last Modified:	10 Nov 2025 03:51
URI:	http://eprints.upnyk.ac.id/id/eprint/45338

Actions (login required)

View Item