Text

Multimodal Sentiment Analysis pada Ulasan Restoran Bebahasa Indonesia Menggunakan Image Captioning dan Bidirectional Encoder from Transformers (BERT)

---

Keberagaman restoran di Indonesia seringkali membuat pengunjung bingung dalam memilih
restoran. Mereka mengandalkan ulasan sebagai referensi, tetapi seringkali ulasan tersebut
bersifat kurang relevan sehingga menyebabkan keraguan bagi pengunjung dan pihak
restoran sulit dalam mengevaluasi kualitas restoran. Analisis sentimen menjadi solusi
dengan mengklasifikasikan ulasan ke dalam beberapa kategori. Penelitian sebelumnya
menerapkan berbagai metode dalam analisis ulasan restoran, namun terbatas oleh waktu,
komputasi, dan sensitivitas fitur. Selain itu penelitian tersebut hanya berfokus pada
modalitas ulasan teks, yang seringkali kurang bisa menggambarkan sentimen konsumen
secara menyeluruh, sehingga diperlukan modalitas lain seperti gambar untuk memperoleh
pemahaman sentimen yang lebih baik. Oleh karena itu penelitian ini mengusulkan
multimodal sentiment analysis menggunakan image captioning yang menerjemahkan
gambar menjadi teks untuk memberikan informasi tambahan pada ulasan teks dan metode
Bidirectional Encoder Representation from Transformers (BERT) untuk menangani
keterbatasan metode sebelumnya. Penelitian ini menggunakan data ulasan restoran
berbahasa Indonesia sebanyak 2700 ulasan. Terdapat 3 eksperimen dilakukan dengan
melatih model pre-trained BERT, IndoBERT, dan Multilingual BERT menggunakan
hyperparameter optimal yang diperoleh melalui proses Bayesian Optimization. Hasil
eksperimen menunjukkan bahwa model terbaik adalah IndoBERT dengan hyperparameter
optimal learning rate 7,21×10-6 dan dropout 0,1337 mencapai accuracy 73% dan macro f1-
score 0,72. Selanjutnya dilakukan eksperimen berikutnya pada model terbaik dengan input
data unimodal dan multimodal. Hasil eksperimen menunjukkan bahwa model dengan input
data multimodal memberikan performa lebih baik dengan peningkatan accuracy sebesar 3%
dan macro f1-score 0,35. Dari hasil penelitian tersebut didapatkan bahwa model IndoBERT
dengan input data multimodal merupakan model yang paling sesuai diterapkan untuk analisis
sentimen restoran berbahasa Indonesia.
Kata Kunci : Ulasan Restoran, Multimodal Sentiment Analysis, Image Captioning, BERT

---

Ketersediaan

1210F2023

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1210 F 2023

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Inggris

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Risma Faoziya

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar