OPTIMISASI KLASIFIKASI SENTIMEN PADA REVIEW HOTEL BAHASA INGGRIS DENGAN MODEL ROBERTA TWITTER

Penelitian ini bertujuan untuk mengatasi tantangan dalam klasifikasi sentimen pada ulasan hotel berbahasa Inggris. Meskipun berbagai model telah dikembangkan, tantangan utama yang dihadapi adalah dalam mengidentifikasi sentimen pada aspek-aspek spesifik seperti kamar, pelayanan, lokasi, fasilitas, dan harga. Model BERT yang terkenal memiliki keterbatasan dalam menangani kompleksitas ulasan yang beragam dan sering kali tidak dapat memberikan hasil yang memuaskan untuk setiap aspek secara individual. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan menggunakan model RoBERTa Twitter yang lebih canggih.
Metodologi yang digunakan dalam penelitian ini melibatkan beberapa tahap, dimulai dari pengumpulan data ulasan hotel melalui teknik crawling dari berbagai platform seperti Agoda, TripAdvisor, dan Booking.com. Data yang dikumpulkan kemudian diproses melalui beberapa langkah preprocessing termasuk pembersihan data, tokenisasi, dan pembagian dataset untuk training, validasi, dan pengujian. Model RoBERTa Twitter yang digunakan dioptimalkan melalui penyesuaian hyperparameter dan dilatih pada data yang telah disiapkan. Evaluasi dilakukan untuk mengukur kinerja model dalam mengklasifikasikan sentimen pada masing-masing aspek.
Hasil penelitian menunjukkan bahwa model RoBERTa Twitter mampu mencapai akurasi keseluruhan sebesar 88% dalam klasifikasi sentimen ulasan hotel. Meskipun terdapat variasi dalam akurasi untuk masing-masing aspek, dengan nilai tertinggi untuk lokasi dan harga (84%) dan terendah untuk fasilitas (75%), model ini terbukti efektif dalam mengidentifikasi sentimen pada berbagai aspek ulasan. Penelitian ini memberikan dasar yang kuat untuk pengembangan lebih lanjut dan menyarankan perbaikan lebih lanjut untuk meningkatkan akurasi, terutama pada aspek yang menunjukkan kinerja lebih rendah. Validasi eksternal dan komparasi dengan model lain juga direkomendasikan untuk memastikan keunggulan dan konsistensi hasil model ini.
Link jurnal : https://ejournal.instiki.ac.id/index.php/sintechjournal/login?source=%2Findex.php%2Fsintechjournal%2Fsubmission%2Fwizard%2F2%3FsubmissionId%3D1547