PENDEKATAN BINARY RELEVANCE PADA KLASIFIKASI SENTIMEN MULTI ASPEK TELAGA SARANGAN MENGGUNAKAN METODE BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT)

Indonesia adalah negara yang memiliki kekayaan alam dan budaya yang melimpah sehingga menarik banyak wisatawan dan memunculkan beragam ulasan yang mencerminkan opini pengunjung terhadap tempat wisata. Analisis sentimen multi aspek digunakan untuk memahami opini pengguna terhadap berbagai aspek dalam suatu entitas. Pendekatan ini melibatkan ekstraksi aspek dan penentuan orientasi sentimen yang dapat berupa positif atau negatif. Dalam penelitian ini, Bidirectional Encoder Representations from Transformers (BERT) digunakan sebagai model representasi kata kontekstual. Karena ulasan biasanya mencakup beberapa aspek, metode klasifikasi konvensional sering kali kurang efektif dalam memisahkan sentimen pada tiap aspek. Untuk itu, penelitian ini menggunakan pendekatan Binary Relevance yang menganggap setiap aspek sebagai tugas klasifikasi biner independen dalam analisis sentimen multi-aspek. Data yang digunakan merupakan kumpulan ulasan wisata yang telah melalui pelabelan, preprocessing, dan transformasi ke dalam format yang dapat diproses oleh model BERT. Evaluasi model menggunakan Precision, Recall, Micro F1 Score, dan Hamming Loss. Hasil menunjukkan bahwa model IndoBERT memberikan performa yang lebih baik dengan nilai Precision sebesar 0.8438, Recall 0.8673, Micro F1 Score 0.8554, dan Hamming Loss 0.0420. Sementara itu, model Google BertBase menghasilkan Precision 0.8006, Recall 0.8549, Micro F1 Score 0.8269, dan Hamming Loss 0.0513.