Perpustakaan Digital ITB

Game memiliki banyak genre yang memiliki istilah tersendiri untuk aspek-aspek. Setiap orang mementingkan aspek yang berbeda saat mencari game baru, dan informasinya biasanya dilihat dari ulasan game. Pencarian ulasan yang memiliki informasi mengenai aspek yang diinginkan dapat dibantu dengan analisis sentimen berbasis aspek (ASBA). Akan tetapi, data latih berlabel untuk ulasan game, terutama yang berbahasa Indonesia, tidak tersedia dengan mudah. Salah satu model analisis sentimen berbasis aspek dalam bahasa Inggris yang tidak memerlukan data latih berlabel adalah JASen (Huang dkk., 2020). JASen dapat membuat model gabungan yang mendapatkan aspek dan sentimen secara sekaligus, dan tidak mewajibkan pembuatan model terpisah untuk aspek dan sentimen. Dalam pembuatan model JASen, dilakukan dahulu pelatihan representasi teks yang embedding hasilnya digunakan dalam pembuatan pseudolabel untuk melatih CNN. Tugas Akhir ini mengadaptasi JASen untuk membuat model ASBA untuk ulasan game berbahasa Indonesia dengan supervisi lemah supaya tidak memerlukan banyak sumber daya dan data latih berlabel. Pengadaptasian yang akhirnya diperlukan adalah melakukan praproses tambahan terhadap data dan melakukan modifikasi pembuatan model agar dapat menerima bahasa Indonesia lebih mudah. Hasil eksperimen menunjukkan model terbaik adalah model yang menggunakan representasi teks yang dilatih luar domain dan dalam domain sekaligus, memakai model terpisah, dan menggunakan kernel convolutional dengan ukuran [1, 3, 4]. Hasil eksperimen juga menunjukkan model yang dilatih dalam satu genre memiliki kinerja yang lebih baik dalam mengategorikan aspek, tapi tidak lebih baik dari model yang dilatih dengan genre lain dalam mengklasifikasikan sentimen.