Text Mining dan Klasterisasi Sentimen Pada Ulasan Produk Toko Online

  • Rimbun Siringoringo Universitas Methodist Indonesia
  • Jamaludin Jamaludin Universitas Methodist Indonesia

Abstract

Pertumbuhan media sosial dan e-commerce mengubah cara berinteraksi dan menyampaikan pandangan, opini dan mood. Ulasan produk merupakan salah satu bentuk penyampaian opini dan sentimen konsumen terhadap sebuah produk secara online. Ulasan produk saat ini memiliki peranan yang sangat penting dalam mempengaruhi minat konsumen terhadap sebuah produk.  Analisis sentimen merupakan pendekatan yang banyak dikerjakan untuk mengekstrak informasi dan menggali opini berkaitan dengan ulasan produk. Analisis sentimen memiliki beberapa tantangan, yang pertama sering sekali hasil analisis sentimen yang dihasilkan oleh model-model prediksi berbeda dengan sentimen yang aktual, tantangan kedua adalah berkaitan dengan cara konsumen mengekpresikan sentimen dan mood selalu berbeda dari satu keadaan ke keadaan berikutnya. Pada penelitian ini dilakukan analisis sentimen berdasarkan ulasan produk sepatu Trendy Shoes merek Denim. Tahapan analisis sentimen terdiri dari pengumpulan data, pemrosesan awal, transformasi data, seleksi fitur dan tahapan klasifikasi menggunakan Suppport Vector Machine. Pemrosesan awal menerapkan tahapan text mining yakni case folding, non alpha numeric removal, stop words removal, dan stemming. Hasil analisis sentimen diukur menggunakan kriteria Akurasi, G-Mean, dan F-Measure. Dengan menerapkan pengujian pada tiga jenis data sentimen diperoleh hasil bahwa Suppport Vector Machine dapat mengklasifikasi sentimen dengan baik. Performa Suppport Vector Machine dibandingkan  dengan metode K-Nearest Neighor. Hasil klasifiasi sentimen menggunakan Suppport Vector Machine lebih unggul dari  K-Nearest Neighbor.

References

[1] Y. E. Ariska, W. Maharani, and M. S. Mubarok, “Peringkasan review produk berbasis fitur menggunakan semantic similarity scoring dan sentence clustering,” p. 9.
[2] X. Fang and J. Zhan, “Sentiment analysis using product review data,” Journal of Big Data, vol. 2, no. 1, p. 5, 2015.
[3] P. Kowalchuk, “Implementing a Drilling Reporting Data Mining Tool Using Natural Language Processing Sentiment Analysis Techniques,” in SPE Middle East Oil and Gas Show and Conference, 2019.
[4] P. Nagamma, H. R. Pruthvi, K. K. Nisha, and N. H. Shwetha, “An improved sentiment analysis of online movie reviews based on clustering for box-office prediction,” in Computing, Communication & Automation (ICCCA), 2015 International Conference on, 2015, pp. 933–937.
[5] A. Amolik, N. Jivane, M. Bhandari, and M. Venkatesan, “Twitter sentiment analysis of movie reviews using machine learning techniques,” international Journal of Engineering and Technology, vol. 7, no. 6, pp. 1–7, 2016.
[6] R. Soni and K. J. Mathai, “Effective sentiment analysis of a launched product using clustering and decision trees,” International Journal of Innovative Research in Computer and Communication Engineering, vol. 4, no. 1, 2016.
[7] H. Isah, P. Trundle, and D. Neagu, “Social media analysis for product safety using text mining and sentiment analysis,” in 2014 14th UK Workshop on Computational Intelligence (UKCI), 2014, pp. 1–7.
[8] L. Kumar and P. K. Bhatia, “Text Mining: Concepts, Process and Applications,” Journal of Global Research in Computer Science, vol. 4, no. 3, pp. 36–39, 2013.
[9] I. C. R. Drajana, “Metode support vector machine dan forward selection prediksi pembayaran pembelian bahan baku kopra,” vol. 9, p. 8, 2017.
[10] F. Z. Tala, “A study of stemming effects on information retrieval in Bahasa Indonesia,” Institute for Logic, Language and Computation, Universiteit van Amsterdam, The Netherlands, 2003.
[11] M. Adriani, J. Asian, B. Nazief, S. M. Tahaghoghi, and H. E. Williams, “Stemming Indonesian: A confix-stripping approach,” ACM Transactions on Asian Language Information Processing (TALIP), vol. 6, no. 4, pp. 1–33, 2007.
[12] W. Prachuabsupakij and P. Doungpaisan, “Matching preprocessing methods for improving the prediction of student’s graduation,” in Computer and Communications (ICCC), 2016 2nd IEEE International Conference on, 2016, pp. 33–37.
Published
2019-04-03
How to Cite
SIRINGORINGO, Rimbun; JAMALUDIN, Jamaludin. Text Mining dan Klasterisasi Sentimen Pada Ulasan Produk Toko Online. Jurnal Teknologi dan Ilmu Komputer Prima (JUTIKOMP), [S.l.], v. 2, n. 1, p. 41-48, apr. 2019. ISSN 2621-234X. Available at: <http://jurnal.unprimdn.ac.id/index.php/JUTIKOMP/article/view/456>. Date accessed: 27 june 2019.

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.