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

ABSTRAK Hafidh Rendyanto
PUBLIC Alice Diniarti

Analisis sentimen berbasis aspek (ASBA) adalah salah satu topik yang sedang hangat dibicarakan pada bidang pemrosesan bahasa alami. ASBA dapat dibagi menjadi beberapa subtask yaitu ekstraksi ekspresi aspek/sentimen, kategorisasi aspek, pemasangan ekspresi aspek dan sentimen, dan klasifikasi sentimen. Barubaru ini, banyak penelitian di bidang deep learning yang menunjukan bahwa model deep learning yang dilatih menggunakan metode pembelajaran tanpa supervisi secara generatif dapat mempelajari konsep-konsep tentang dunia nyata dengan baik dan memiliki kemampuan generalisasi yang baik. Salah satu model deep learning tersebut adalah model bahasa Generative Pre-Trained Transformer 2 (GPT-2). Model tersebut mencapai kinerja state-of-the-art pada berbagai benchmark pemodelan bahasa. Namun sayangnya masih sedikit penelitian yang meneliti kinerja model tersebut pada permasalahan pemrosesan bahasa alami lainnya. Model bahasa GPT-2 juga dapat menyelesaikan beberapa permasalahan bahasa alami seperti reading comprehension, machine translation, question answering, dan summarization¸ tanpa proses pelatihan pada permasalahan tersebut. Model bahasa GPT-2 dapat melakukan hal tersebut dengan bantuan kalimat tambahan yang ditambahkan pada dokumen masukan. Tugas Akhir ini menggunakan model bahasa GPT-2 untuk menyelesaikan permasalahan ASBA dengan menggunakan kalimat tambahan yang ditambahkan pada dokumen ulasan. Solusi Tugas Akhir diuji menggunakan skenario pengujian cross domain. Berdasarkan hasil pengujian menggunakan dataset SemEval 2016 Task 5, solusi Tugas Akhir mendapat nilai macro-averaged f1 score sebesar 0.910 untuk permasalahan klasifikasi sentimen pada dataset SemEval 2016 dan 0.687 pada dataset SemEval 2014. Untuk permasalahan kategorisasi aspek, solusi Tugas Akhir mendapat nilai micro-averaged f1 score sebesar 0.825 pada dataset SemEval 2014 dan 0.672 pada dataset SemEval 2016 domain restaurant.