Sistem Ekstraksi Keluhan Tempat Wisata dari Komentar Google-Maps Menggunakan IndoBERT dan POS Tagging
Tahun 2026 · Penulis: Resi Frella Angrestu
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Sistem Ekstraksi Keluhan Tempat Wisata dari Komentar Google-Maps Menggunakan IndoBERT dan POS Tagging
Google Maps mengomentari bukan hanya digunakan oleh wisatawan sebagai referensi dalam memilih tujuan, tetapi juga mencerminkan kepuasan dan keluhan pengunjung. Keluhan yang tidak berpakaian dapat mengurangi peringkat tujuan, mempengaruhi keputusan turis lainnya, dan merusak citra objek wisata. Namun, komentar-komentar demikian adalah data tekstual yang tidak terstruktur, yang mengharuskan metode analisis spesifik untuk diproses secara efektif. Penelitian ini bertujuan untuk mengatasi keterbatasan analisis komentar online umum dengan menerapkan model IndoBERT untuk analisis sentimen dan menggabungkannya dengan Bagian dari Speech (POS) Pengambilan untuk mengekstrak keluhan lebih spesifik yang berfokus. Data dikumpulkan melalui scraping Google Maps komentar dari 20 atraksi wisata di Kabupaten Jember. Proses analisisnya termasuk deteksi batas klausa, label manual ke dalam kelas negatif dan non-negatif, preprosesing, pemisahan data, konstruksi embedding kata, model IndoBERT, dan evaluasi sentimen. Hasil evaluasi menunjukkan bahwa model yang diusulkan mencapai akurasi 97,93% dan penarikan 99,24%. Selain itu, komentar yang diklasifikasikan sebagai negatif diproses untuk ekstraksi keluhan menggunakan POP Tatg. Model yang dikembangkan diimplementasikan dalam aplikasi berbasis web. Hasilnya menunjukkan bahwa meskipun model tersebut secara efektif membedakan komentar negatif dan non negatif, fitur ekstraksi keluhan masih memiliki keterbatasan karena pendekatan POSE Tagging berbasis, yang berjuang untuk menangkap variasi linguistik dan kompleksitas kontekstual.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,804
Tahun 2025 · Penulis: Firdaus Putra Maulidyanu
Klasifiikansi Komentar Rasis Menggunkan Bidirectional Panjang Memori Pendek-Term - Konvolutional Netar Berbasis Ekstensi Peramban Web
Rasisme masih merupakan isu sosial yang serius yang muncul dari keanekaragaman budaya di negara-negara multikultural seperti Indonesia. Tindakan rasisme dapat muncul dalam berbagai bentuk, termasuk pernyataan rasis yang disampaikan secara online. Platform medi
- Cosine 0,761
Tahun 2026 · Penulis: Nurul Hadits
Pengembangan Ekstensi Peramban Berbasis Fine-Tuning Indobert untuk Identifikasi Komentar Bermuatan Judi di Platform Youtube
Pertumbuhan cepat media sosial telah menciptakan kesempatan untuk penyebaran konten berbahaya, termasuk promosi judi online di bagian komentar YouTube. Komentar promosi seperti sering disamarkan menggunakan bahasa yang tidak standar, singkatan, simbol, dan eks
- Cosine 0,754
Tahun 2026 · Penulis: Shafa Kamila
Analisis Sentimen Berbasis Aspek terhadap Pilkada Jember 2024 Menggunakan Model IndoBERT dan Algoritma LDA
Dinamika politik yang mengarah ke Eleksi Jember Regional 2024 memicu lonjakan signifikan opini publik di YouTube dan platform TikTok. Bahasa media sosial yang tidak resmi, termasuk bahasa slang, singkatan, dan dialek campuran, menghadirkan tantangan analisis m