ANALISIS SENTIMEN MULTI-ASPEK BERBASIS TEXT AUGMENTATION MENGGUNAKAN MODEL INDOBERT DENGAN DAMERAU-LEVENSHTEIN DISTANCE DAN N-GRAM (Studi Kasus: Wisata Pantai Di Kabupaten Sumenep)

Ulasan daring mengenai destinasi wisata pantai di Kabupaten Sumenep merupakan sumber data krusial, namun analisisnya terhambat oleh data yang tidak terstruktur dan penuh noise, terutama kesalahan ketik (typo), penggabungan kata yang tidak tepat, serta kendala efisiensi dalam pelabelan data manual. Penelitian ini bertujuan untuk mengatasi tantangan tersebut dengan membangun model analisis sentimen multi-aspek menggunakan IndoBERT. Penelitian ini mengintegrasikan alur pra-pemrosesan modul koreksi ejaan cerdas yang mengombinasikan Damerau-Levenshtein Distance dengan N-Gram. Selain itu, telah diterapkan metode pelabelan semi-otomatis menggunakan Zero-Shot Classification berbasis XNLI untuk efisiensi proses anotasi. Teknik Teks Augmentasi (Synonym Replacement dan Back-Translation) juga digunakan untuk menangani ketidakseimbangan data pada kelas minoritas. Menggunakan kerangka kerja CRISP-DM, kinerja model dievaluasi melalui tiga skenario pengujian. Hasil penelitian menunjukkan bahwa model Baseline (Skenario 1) mencatatkan akurasi numerik tertinggi sebesar 96,12% dan Macro F1-Score 96,11%. Namun, Skenario 3 (Koreksi Augmentasi) terbukti sebagai model yang paling tangguh secara strategis dengan akurasi 95,14%, karena terbukti mampu meningkatkan performa klasifikasi pada aspek pariwisata yang paling sulit diprediksi, yaitu aspek Accessibility. Meskipun terdapat penurunan akurasi sebesar 0,98% akibat pergeseran fitur kata kunci pada proses perbaikan ejaan, integrasi augmentasi teks berhasil membuat model lebih sensitif terhadap ulasan yang kompleks. Model tersebut telah diimplementasikan ke dalam aplikasi berbasis web menggunakan Streamlit untuk memberikan wawasan strategis bagi pengembangan pariwisata di Kabupaten Sumenep.