<![CDATA[Perkembangan platform ulasan daring seperti Google Maps menghasilkan data opini konsumen dalam jumlah besar yang berpotensi dimanfaatkan untuk evaluasi layanan bisnis kuliner. Namun, kompleksitas bahasa ulasan dan keberagaman aspek yang dibahas menimbulkan tantangan dalam analisis sentimen. Penelitian ini bertujuan untuk melakukan analisis sentimen berbasis aspek (Aspect-Based Sentiment Analysis/ABSA) pada ulasan konsumen Café XYZ. Untuk mendukung analisis, IndoBERT-SVM menjadi metode yang canggih dengan kombinasi antara model bahasa IndoBERT yang unggul dalam memahami konteks Bahasa Indonesia dengan algoritma klasifikasi Support Vector Machine (SVM) untuk menghasilkan prediksi yang akurat. Namun, seiring pesatnya evolusi NLP, model bahasa skala besar (Large Language Models/LLMs) generasi baru seperti Gemma yang dikembangkan oleh Google menawarkan pendekatan alternatif dengan kemampuan pemahaman konteks dan bahasa informal yang lebih fleksibel. Penelitian ini menerapkan ABSA berbasis model DINESERV serta membandingkan kinerja IndoBERT–SVM dan Gemma. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, F1-score, dan error rate. Hasil penelitian menunjukkan bahwa IndoBERT–SVM dengan kernel linear mencapai akurasi 95%, sementara Gemma memperoleh akurasi 94% dengan keunggulan dalam pemahaman konteks. Penelitian ini diharapkan menjadi referensi dalam pengembangan ABSA berbahasa Indonesia dengan memanfaatkan model bahasa modern.]]>
Copyrights © 2025
