Perpustakaan Digital ITB

Situs penyedia informasi restoran menyediakan fitur pemberian ulasan pada restoran. Ulasan yang dihasilkan berupa kalimat panjang yang mengandung bermacam-macam aspek. Pengguna perlu membaca ulasan untuk mengambil kesimpulan kualitas restoran berdasarkan aspek tertentu. Oleh karena itu, pada tugas akhir ini dilakukan pencarian metode terbaik untuk melakukan klasifikasi sentimen opini berbasis aspek pada ulasan restoran berbahasa Indonesia sehingga dapat dihitung jumlah sentimen positif yang merepresentasikan masing-masing aspek pada suatu restoran. Klasifikasi sentimen opini yang dibahas pada tugas akhir ini yaitu klasifikasi sentimen untuk setiap ulasan per aspek. Proses yang dilakukan antara lain pengumpulan dan penyaringan data, praproses, ekstraksi fitur, serta klasifikasi aspek dan sentimen. Aspek yang digunakan yaitu pelayanan, harga, kualitas makanan dan minuman, suasana, serta kualitas tempat. Klasifikasi sentimen opini berbasis aspek memanfaatkan pendekatan berbasis pembelajaran mesin dengan teknik Binary Relevance untuk klasifikasi multilabel dengan cara membangun 5 classifier untuk seluruh aspek. Pembelajaran mesin menggunakan algoritma Support Vector Machine, Random Forest, serta Logistic Regression. Evaluasi kinerja masing-masing metode dengan memanfaatkan 999 data ulasan yang didapat dari situs Zomato menghasilkan metode pembelajaran mesin dengan Logistic Regression untuk aspek pelayanan, harga, suasana, dan kualitas tempat dengan accuracy masing-masing 0.807, 0.798, 0.780, dan 0.704. Sementara itu untuk aspek kualitas makanan dan minuman menggunakan metode pembelajaran mesin dengan SVM yang menghasilkan accuracy sebesar 0.753.