Perpustakaan Digital ITB

Analisis sentimen di media sosial terbatas pada klasifikasi opini secara umum tanpa memperhatikan aspek atau entitas tertentu dalam teks. Hal ini menyulitkan perusahaan dalam memahami opini publik secara spesifik terhadap fitur, produk, atau merek yang mereka miliki. Tugas akhir ini mengusulkan sistem BRASA, yaitu gabungan dari Named Entity Recognition (NER) dan Aspect-Based Sentiment Analysis (ABSA), untuk mengevaluasi citra merek secara kontekstual di media sosial. Sistem dikembangkan dalam bentuk pipeline dengan dua komponen utama, yaitu model NER yang mengenali dan mengklasifikasikan entitas dalam teks, serta model ABSA yang menentukan sentimen terhadap tiap entitas yang terdeteksi. Pengembangan dilakukan dengan menggunakan model RoBERTa yang di-fine- tune untuk masing-masing tugas. Tugas akhir ini melibatkan proses desain label, strategi tokenization, preprocessing data, dan evaluasi menyeluruh. Evaluasi yang dilakukan menggunakan metrik precision, recall, F1-score, dan accuracy. Model NER menunjukkan hasil yang sangat baik dengan F1-score di atas 0.95 untuk semua kategori entitas. Model ABSA mencapai F1-score rata-rata sebesar 0.83, dengan tantangan utama pada deteksi sentimen netral. Pipeline BRASA menghasilkan F1-score makro sebesar 0.78, menandakan keberhasilan integrasi dua model dalam menyelesaikan tugas end-to-end secara efisien. Hasil evaluasi menunjukkan bahwa sistem BRASA mampu memberikan analisis yang lebih terarah dan spesifik terhadap opini konsumen dan layak digunakan sebagai alat bantu pengambilan keputusan strategis oleh tim pemasaran. Sistem ini juga dilengkapi dengan dashboard interaktif untuk memudahkan eksplorasi hasil analisis secara visual.