YUDHA, RAFIQ SATRIA (2026) ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN GOOGLE MAPS RESTORAN SORAMEN MENGGUNAKAN INDOBERT-LORA. Other thesis, Universitas Duta Bangsa Surakarta.
Cover dan Abstrak.pdf - Preview
Restricted to Registered users only
Download (567kB)
Bab 1.pdf - Preview
Restricted to Registered users only
Download (368kB)
Bab 2.pdf - Preview
Restricted to Registered users only
Download (255kB)
Bab 3.pdf - Preview
Restricted to Registered users only
Download (7MB)
Bab 4.pdf - Preview
Restricted to Registered users only
Download (7MB)
Bab 5.pdf - Preview
Restricted to Registered users only
Download (174kB)
Daftar Pustaka.pdf - Preview
Restricted to Registered users only
Download (48kB)
Lampiran.pdf - Preview
Restricted to Registered users only
Download (376kB)
Artikel Publikasi.pdf - Preview
Restricted to Registered users only
Download (430kB)
Abstract
Ulasan Google Maps merupakan sumber informasi strategis bagi manajemen restoran, tetapi satu ulasan kerap memuji satu aspek sekaligus mengkritik aspek lain sehingga sentimen tingkat dokumen tidak menunjukkan aspek mana yang sebenarnya dikeluhkan pelanggan. Manajemen Restoran Soramen belum memiliki mekanisme pemetaan aspek keluhan sehingga perbaikan masih bersifat coba-coba, sementara penelitian Aspect-Based Sentiment Analysis (ABSA) berbahasa Indonesia terdahulu umumnya memakai full fine-tuning yang boros komputasi. Penelitian ini menerapkan dan mengevaluasi IndoBERT dengan Low-Rank Adaptation (LoRA) untuk ABSA pada ulasan Restoran Soramen sekaligus memetakan aspek layanan kritis sebagai dasar rekomendasi perbaikan berbasis data.Sebanyak 2.306 ulasan dikumpulkan melalui web scraping dan menyisakan 1.742 ulasan bersih setelah preprocessing. Pelabelan manual menghasilkan 3.930 span aspek–sentimen berskema BIO pada aspek makanan (FOOD), pelayanan (SERVICE), harga (PRICE), dan tempat (PLACE) dengan polaritas positif–negatif, lalu diperluas menjadi 3.061 ulasan (8.577 span) melalui augmentasi synonym replacement. ABSA dijalankan melalui pipeline dua tahap berbasis indobert-base-p2, yaitu ekstraksi aspek (ATE) dan klasifikasi sentimen aspek (ASC). Tujuh konfigurasi diuji, yaitu satu full fine-tuning dan enam varian LoRA, dengan validasi silang StratifiedGroupKFold 5-fold, metrik Joint Partial F1 dan Macro-F1, ablasi span gold, serta uji paired t-test.LoRA r=16 mencapai Joint Partial F1 0,7744 dengan hanya 0,48% parameter terlatih, sedikit di atas full fine-tuning (0,7727) dan 31% lebih cepat; perbedaannya tidak signifikan secara statistik (t=0,24; p=0,82), sehingga LoRA menyamai full fine-tuning dengan parameter sekitar 200 kali lebih sedikit. Macro-F1 delapan kelas 0,8853 naik menjadi 0,9631 saat memakai span acuan (gold), menandakan ekstraksi aspek sebagai penghambat utama pipeline. FOOD paling sering disebut (64,4% ulasan) dan bersama PLACE didominasi sentimen positif, sedangkan SERVICE dan PRICE memuat proporsi keluhan terbesar (sekitar 36%) sehingga menjadi aspek kritis prioritas perbaikan bagi manajemen Restoran Soramen.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen Berbasis Aspek, Google Maps, IndoBERT, LoRA, Restoran |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Ilmu Komputer > S1 - Teknik Informatika |
| SWORD Depositor: | Perpustakaan Fikom |
| Depositing User: | Perpustakaan Fikom |
| Date Deposited: | 27 Oct 2026 06:52 |
| Last Modified: | 27 Oct 2026 06:52 |
| URI: | http://eprints.udb.ac.id/id/eprint/5400 |

