ANALISIS SENTIMEN ULASAN PENGUNJUNG KAWASAN WISATA BATURRADEN MENGGUNAKAN FINE-TUNED INDOBERT DENGAN METODE AUGMENTED OVERSAMPLING

Analisis sentimen destinasi wisata modern sangat bergantung pada analisis opini publik dari platform daring seperti Google Maps. Namun, ulasan pengunjung seringkali menunjukkan distribusi data yang sangat tidak seimbang, dengan dominasi sentimen positif yang dapat menyebabkan model analisis sentimen menjadi bias dan tidak andal dalam mendeteksi kritik atau saran. Penelitian ini mengusulkan sebuah pendekatan untuk mengatasi masalah tersebut pada ulasan pengunjung Kawasan Wisata Baturraden. Metode yang digunakan adalah fine-tuning model bahasa IndoBERT yang dikombinasikan dengan strategi Augmented Oversampling. Teknik Augmented Oversampling termasuk Synonym Replacement dan substitusi kata berbasis konteks diterapkan pada kelas minoritas untuk menciptakan dataset latih yang seimbang. Model yang diusulkan kemudian dibandingkan dengan model baseline yang dilatih pada data asli. Hasil evaluasi pada data uji menunjukkan bahwa model usulan mencapai kinerja yang jauh lebih superior dengan akurasi 89.93% dan Weighted F1-Score 90%. Secara krusial, kemampuan model dalam mengenali ulasan minoritas meningkat drastis, dengan nilai recall mencapai 93% untuk kelas Negatif dan 87% untuk kelas Netral, jauh mengungguli model baseline. Hasil ini membuktikan bahwa kombinasi fine-tuning IndoBERT dengan Augmented Oversampling merupakan strategi yang sangat efektif dan andal untuk menghasilkan model analisis sentimen yang tidak hanya akurat, tetapi juga adil dan sensitif terhadap semua kelas sentimen pada data ulasan pariwisata berbahasa Indonesia.