digilib@itb.ac.id +62 812 2508 8800

Analisis sentimen berbasis aspek dapat menggantikan survey yang merupakan salah satu alat eksekutif mendapatkan opini massa guna mengambil keputusan jangka pendek, menengah, maupun panjang. Penelitian analisis sentimen berbasis aspek (ASBA) sebelumnya untuk ulasan restoran berbahasa Indonesia telah ditingkatkan dengan menitikberatkan penggunaan fitur yang beragam. Tugas akhir ini mengadaptasi metode penelitian terbaik SemEval 2016 task 5 untuk ulasan bahasa Inggris guna meningkatkan kinerja penelitian analisis sentimen berbasis aspek untuk ulasan restoran berbahasa Indonesia. Pada SemEval 2016 task 5, terdapat tiga slot yang harus dipenuhi untuk ASBA yaitu kategori aspek (slot 1), ekspresi target opini (slot 2), dan polaritas sentimen (slot 3). Tugas akhir ini menghasilkan tiga sistem pembelajaran mesin untuk menyelesaikan ketiga slot SemEval 2016 task 5. Model yang dibentuk untuk slot 1 adalah binary classifier yang masing-masing terdiri dari feedforward neural network dengan fitur probabilitas keluaran Convolutional Neural Network. Untuk slot 2 dibuat model sekuensial dengan menggunakan Conditional Random Field (CRF) dengan fitur probabilitas keluaran Bidirectional Long Short-Term Memory (B-LSTM), POS tag, kata, dan cluster id. Slot 3 diselesaikan dengan model CNN. Data uji dan data latih yang dipakai pada tugas akhir ini adalah data uji yang dipakai pada penilitian ASBA untuk ulasan restoran berbahasa Indonesia dengan kategori food, service, price, dan place. Data uji terdiri dari 383 kalimat sedangkan data latih terdiri dari 992 kalimat ulasan dari situs TripAdvisor. F1-measure dari slot 1, 2, 3, dan gabungan seluruh slot adalah 0.8704, 0.7873, 0.8992, dan 0.7637.