JAZULI, Ahmad and Widowati, Widowati and Kusumaningrum, Retno (2025) MODEL HIBRID BERT DAN ASPECT INDEX GENERATOR UNTUK OPTIMASI KINERJA ANALISIS SENTIMEN BERBASIS ASPEK PADA DATA ULASAN MAHASISWA. Doctoral thesis, UNIVERSITAS DIPONEGORO.

	Text cover aja.pdf Download (223kB)
	Text COVER LENGKAP.pdf Restricted to Repository staff only Download (523kB)
	Text BAB I.pdf Download (341kB)
	Text BAB II.pdf Download (1MB)
	Text BAB III.pdf Restricted to Repository staff only Download (715kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Restricted to Repository staff only Download (259kB)
	Text DAFTAR PUSTAKA.pdf Download (247kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (911kB)

Abstract

Analisis sentimen terhadap ulasan mahasiswa sangat penting dalam memahami persepsi terhadap berbagai aspek pendidikan. Model-model analisis sentiment konvensional sering mengalami kesulitan dalam menangani kalimat majemuk yang kompleks dan kata-kata hiponim yang dapat memiliki makna lebih spesifik dalam konteks tertentu. Hal ini menjadi tantangan besar, terutama dalam ulasan yang mengandung kalimat panjang dan hubungan semantik yang mendalam. Penelitian ini mengusulkan penggunaan optimasi model hibrid yang menggabungkan Bidirectional Encoder Representations from Transformers (BERT) dan Aspect Index Generator untuk mengatasi masalah klasifikasi. BERT digunakan untuk menangkap konteks kalimat secara bidirectional, memungkinkan pemahaman yang lebih baik terhadap struktur kalimat yang kompleks. Aspect Index Generator diterapkan untuk meningkatkan kemampuan model dalam mengidentifikasi dan mengelompokkan aspek-aspek yang relevan dari ulasan mahasiswa, khususnya dalam menangani penggunaan kata-kata hiponim yang sering ditemukan dalam analisis sentimen berbasis aspek. Tujuan dari penelitian ini adalah mengembangkan pendekatan analisis sentimen berbasis aspek yang mampu menangani kalimat majemuk dan kata hiponim, dengan meningkatkan akurasi dalam identifikasi sentimen yang lebih mendalam dan terstruktur. Hasil penelitian menunjukkan bahwa kombinasi BERT dan Aspect Index Generator dalam model hybrid ini dapat meningkatkan akurasi analisis sentimen dengan lebih efektif, terutama dalam menangani kompleksitas linguistik dalam bahasa Indonesia yang sering muncul dalam ulasan mahasiswa. Penerapan model hybrid ini, diharapkan dapat tercipta metode baru dalam analisis sentimen berbasis aspek yang lebih adaptif, akurat, dan relevan dalam menanggapi tantangan semantik yang ada, serta dapat digunakan untuk mengembangkan evaluasi pendidikan yang lebih komprehensif dan berfokus pada aspek-aspek tertentu dalam ulasan mahasiswa.
Kata Kunci: Model Hibrid, BERT, Aspect Index Generator, Klasifikasi, Sentimen Berbasis Aspek

Sentiment analysis of student reviews is crucial for understanding perceptions of various aspects of education. Conventional sentiment analysis models often encounter difficulties in handling complex compound sentences and hyponyms, which can carry more specific meanings in certain contexts. This presents a significant challenge, especially in reviews that contain long sentences and deep semantic relationships. This study proposes the use of a hybrid model that combines Bidirectional Encoder Representations from Transformers (BERT) and the Aspect Index Generator to address these issues. BERT is utilized to capture the bidirectional context of sentences, allowing for a better understanding of complex sentence structures. On the other hand, the Aspect Index Generator is applied to enhance the model's ability to identify and classify relevant aspects of student reviews, particularly in dealing with the use of hyponyms often found in aspectbased sentiment analysis.
The aim of this research is to develop an aspect-based sentiment analysis approach that can handle compound sentences and hyponyms, while improving the accuracy of sentiment identification in a more nuanced and structured manner. The results show that the combination of BERT and the Aspect Index Generator in this hybrid model can significantly enhance sentiment analysis accuracy, particularly in addressing the linguistic complexity in the Indonesian language frequently found in student reviews. The implementation of this hybrid model is expected to create a new method in aspect-based sentiment analysis that is more adaptive, accurate, and relevant in responding to existing semantic challenges, and can be used to develop a more comprehensive educational evaluation focused on specific aspects of student reviews.
Keywords: Hybrid Model, BERT, Aspect Index Generator, Classification, Aspectbased Sentiment

Actions (login required)

View Item