| dc.description.abstract | Pertumbuhan jumlah mahasiswa di Kabupaten Sleman, khususnya di sekitar
Universitas Islam Indonesia (UII), mendorong tingginya permintaan hunian
sementara berupa pondokan. Ulasan digital pada platform Google Maps menjadi
sumber informasi penting bagi calon penghuni, namun volume ulasan yang besar
menyulitkan analisis secara manual. Penelitian ini bertujuan mengklasifikasikan
sentimen ulasan pondokan ke dalam kategori positif, negatif, dan netral
menggunakan model Indo-Bidirectional Encoder Representations from
Transformers (IndoBERT), serta mengidentifikasi topik-topik dominan pada setiap
kategori sentimen menggunakan metode BERTopic. Data sebanyak 4.207 ulasan
dikumpulkan melalui proses scraping dari Google Maps dengan berbagai kata
kunci terkait pondokan di sekitar UII. Tahap praproses meliputi case folding, data
cleaning, normalisasi, dan stopword removal, dilanjutkan dengan pelabelan
otomatis menggunakan model pre-trained dari Hugging Face. Model IndoBERT-
base-p1 kemudian di-fine-tuning menggunakan algoritma AdamW dengan
konfigurasi terbaik berupa learning rate 5×10−5, batch size 32, dan 10 epoch,
disertai serangkaian teknik regularisasi untuk mencegah overfitting. Hasil evaluasi
menunjukkan model mencapai akurasi 94,23%, Macro Average F1-
Score 87,86%, balanced accuracy 89,36%, dan G-Mean 89,24% pada data uji.
Distribusi sentimen didominasi oleh sentimen positif sebesar 80,0%, diikuti
sentimen negatif 10,8% dan netral 9,2%. Pemodelan topik menggunakan
BERTopic dengan sentence-transformer paraphrase-multilingual-MiniLM-L12-
v2 menghasilkan 6 topik pada sentimen positif, 7 topik pada sentimen netral, dan 2
topik pada sentimen negatif, dengan Coherence Score masing-masing sebesar
0,5209, 0,4019, dan 0,5178. Aspek kenyamanan (49,0%) dan keamanan (48,1%)
menjadi aspek yang paling sering dibahas dalam ulasan, mengindikasikan bahwa
kedua aspek tersebut merupakan kebutuhan paling mendasar bagi mahasiswa
sebagai penghuni pondokan. | en_US |
