ANALISIS SENTIMEN BERBASIS ASPEK TERHADAP ULASAN WISATA PESISIR DI BALI PADA GOOGLE MAPS MENGGUNAKAN BIDIRECTIONAL ENCODER REPRESENTATIONS TRANSFORMER

Penelitian ini bertujuan untuk menganalisis sentimen berbasis aspek terhadap ulasan wisata pesisir di Bali menggunakan model Hybrid BERT dengan LDA Dataset diperoleh melalui proses web scraping dengan total sekitar 22.000 ulasan. Sebanyak 2.000 data digunakan sebagai dataset terkontrol untuk pelatihan model, sedangkan 20.000 data lainnya digunakan untuk analisis tren sentimen berdasarkan waktu. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan aspek dan sentimen secara simultan dengan nilai F1-score makro yang stabil di atas 0,84. Kemudian LDA dilatih menggunakan 20.000 data asli dan terbentuk 5 topik untuk kemudian dihubungkan dengan 3 aspek yang ada untuk membantu dan menjadi secondary opinion dalam model. Analisis prediksi tren menunjukkan bahwa aspek Experience mendominasi ulasan dan sentimen positif konsisten mendominasi sepanjang periode pengamatan. Terdapat beberapa lonjakan ulasan negative pada aspek accessibility dan service diakhir dan awal tahun menandakan tekanan operasional dan kemudahan akses mulai berkontribusi terhadap munculnya sentimen negatif ketika intensitas kunjungan meningkat. Disarankan untuk penelitan selanjutnya menggunakan data anotasi yang lebih besar,mengembangkan pendekatan ABSA lebih lanjut dengan melakukan perbandingan antar Lokasi wisata atau pengaruh peristiwa tertentu terhadap perubahan sentimen.