Perpustakaan Digital ITB

Analisis sentimen berbasis aspek adalah teknik analisis polaritas sentimen pada teks berdasarkan aspek. Analisis sentimen berbasis aspek ini dapat diaplikasikan pada teks ulasan untuk mengetahui kesan penulis terhadap aspek yang terkait. Jumlah data yang tersedia adalah masalah yang dapat ditemukan dalam analisis sentimen berbasis aspek pada suatu domain spesifik. Dalam pembangunan model pembelajaran mesin untuk analisis sentimen berbasis aspek, biasanya perlu dibuat model untuk setiap aspek. Hal ini memiliki kekurangan yaitu perlunya lebih banyak waktu untuk pembangunan model dan pembagian dataset lebih lanjut berdasarkan aspek sehingga jumlah semakin sedikit. Salah satu masalah lain yang dapat ditemukan adalah imbalanced data pada level sentimen. Penelitian ini melakukan fine-tuning model BERT untuk membentuk satu model pembelajaran mesin analisis sentimen berbasis aspek yang tidak terpisah per aspek. Hal ini dicapai dengan menggunakan teknik sentence-pair, sedangkan masalah imbalanced data akan diatasi dengan teknik oversampling. Penelitian ini berusaha untuk mencari hiperparameter terbaik untuk model analisis sentimen berbasis aspek dengan fine-tuning model BERT. Hasil pengujian menunjukkan bahwa hiperparameter terbaik didapat nilai learning rate = 2e-5, batch size = 16, dan epochs = 5 saat menggunakan teknik oversampling dan learning rate = 2e-5, batch size = 16, dan epochs = 8 saat tidak menggunakan teknik oversampling. Kinerja skor-F1 saat menggunakan dan tidak menggunakan teknik oversampling adalah 0.912 dan 0.909. Selain itu, oversampling menunjukkan hasil kinerja lebih baik terutama pada saat hiperparameter batch size lebih kecil dan learning rate lebih besar.