Perpustakaan Digital ITB

Analisis sentimen berbasis aspek (ASBA) memiliki peran besar dalam pengembangan bisnis karena memudahkan pelaku bisnis mengevaluasi masukan untuk setiap aspek pelayanan. Salah satu task pemodelan ASBA adalah klasifikasi, dan dapat disebut klasifikasi sentimen berbasis aspek (KSBA). Kurangnya ketersediaan data adalah masalah penting dalam otomasi KSBA, diantaranya kurangnya data berlabel dan data pada domain spesifik. Masalah ini lebih terasa pada bahasa Indonesia sebagai low-resource language. Masalah lainnya adalah pelatihan model yang digunakan untuk pemrosesan bahasa alami umumnya membutuhkan waktu dan biaya yang besar. Oleh karena itu, dibutuhkan cara untuk meningkatkan kinerja model ketika domain pelatihan dan pengujian berbeda dengan tetap memperhatikan efisiensi proses pelatihan. Penelitian terkait telah dilakukan mengenai penggunaan fine-tuning model BERT untuk adaptasi domain pada KSBA dan implementasi KSBA pada bahasa Indonesia. Namun, belum ada penelitian yang menggabungkan keduanya. Tugas Akhir menangani kedua kekurangan tersebut dengan memperkenalkan metode post-training dan pembangkitan sentence-pair untuk meningkatkan kemampuan adaptasi domain pada KSBA teks berbahasa Indonesia. Hasil pengujian menunjukkan bahwa Tugas Akhir mampu mengadaptasi hasil penelitian sebelumnya. Model yang dihasilkan mengungguli baseline (mBERT tanpa post-training) ketika diuji dengan domain yang sama maupun berbeda. Selain itu, Tugas Akhir mampu mencapai kinerja mendekati penelitian sebelumnya walaupun belum dapat mengungguli. Selisih skor F1 maksimal yang didapat sebesar 0.75% menggunakan data latih lebih sedikit.