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.