Publisher

UHNSUGRIWAUHNSUGRIWA

Journal Journal Informatics NiveditaJournal Informatics Nivedita Abstract

Penelitian ini mengkaji relevan atau tidak relevannya ulasan pariwisata dalam media online dalam berbagai bentuk bahasa, dengan menitikberatkan pada bagaimana konten yang tidak sesuai topik yang dihasilkan pengguna dapat mengaburkan informasi bagi wisatawan. Salah satu metode dalam penelitian ini mengkonstruksi dataset gabungan dimana data publik yang bersumber dari Kaggle ditambahkan dengan data post X (Twitter). Setiap ulasan diberi label secara manual (relevan atau tidak relevan) untuk mengidentifikasi kasus di mana konten tidak secara jelas membahas topik terkait hotel atau akomodasi pariwisata lainnya. Pada penelitian ini, model embedding BERT multibahasa digunakan untuk menyandikan input dalam berbagai ragam bahasa yang disertai dengan sentimen atau emosi yang dimiliki oleh input tersebut. Aspek sentimen pada setiap ulasan ini diperoleh melalui metode knowledge distillation dari twitter-xlm-roberta-base ke DistilBERT. Mekanisme gating kemudian digunakan untuk menggabungkan sinyal semantik dan emosional, dengan penekanan pada bagian-bagian ulasan yang paling berpengaruh. Tahap klasifikasi akhir melibatkan fine-tuning jaringan BERT guna membedakan antara konten yang relevan dan tidak relevan. Hasil pengujian menunjukkan performa pendekatan Monolingual BERT sedikit lebih buruk dibandingkan dengan pendekatan Multilingual BERT dan juga Multilingual BERT ditambah aspek sentimen ditunjukan oleh nilai akurasi, presisi, recall, dan F1-score. Hasil ini menekankan pentingnya menangkap nuansa emosional guna mengurangi kesalahan akibat referensi yang tidak relevan dan juga perbedaan budaya. Dari sudut pandang praktis, hasil yang diperoleh pada penelitian ini menunjukkan adanya potensi implementasi untuk automasi moderasi konten, sistem rekomendasi yang lebih baik, dan panduan kebijakan untuk platform-platform pariwisata. Secara keseluruhan, penelitian ini menunjukkan bahwa model multibahasa yang menyertakan sinyal sentimen dapat meningkatkan deteksi ketidakrelevanan dan ambiguitas, sehingga mendorong terciptanya ekosistem ulasan daring yang lebih andal dan kaya konteks di bidang pariwisata.

Conclusion

Penelitian ini bertujuan untuk menangani masalah ketidakrelevanan dalam ulasan pariwisata multibahasa, dengan menganalisis bagaimana konten yang tidak sesuai topik atau ambigu dapat mengurangi keandalan keseluruhan platform online.Dengan menyusun dataset yang lebih baik dari ulasan yang relevan dan tidak relevan, serta memanfaatkan kombinasi novel dari embedding multibahasa, mekanisme gating, dan vektor sentimen dari model DistilBERT yang dihasilkan melalui knowledge distillation, kami telah menunjukkan bahwa perhatian eksplisit terhadap petunjuk emosional memberikan manfaat nyata untuk tugas klasifikasi.Hasil penelitian mengindikasikan bahwa informasi sentimen tidak hanya membantu untuk menjernihkan sikap pengguna dalam pernyataan yang tidak jelas, tetapi juga memberikan konteks tambahan untuk mengidentifikasi ketika ulasan menyimpang dari topik inti.

Future Research

Penelitian selanjutnya bisa menjelajahi bagaimana teknologi pemrosesan bahasa alami dapat lebih baik digunakan untuk menangani nuansa budaya dalam ulasan pariwisata. Selain itu, penelitian dapat berfokus pada pengembangan algoritma untuk menilai dampak emosional dari review dalam konteks lintas bahasa dan lintas budaya. Selanjutnya, penting untuk mengeksplorasi bagaimana platform ulasan dapat memberdayakan pengguna untuk memberi umpan balik yang lebih bermakna dengan menyertakan fitur-fitur yang memungkinkan mereka untuk menjelaskan pengalaman mereka dalam bahasa yang lebih visual atau naratif.

Metadata

File size	430.98 KB
Pages	10
DMCA	Report