Pengertian Sentiment Analysis, Cara Kerja, Tipe, dan Jenisnya
 |
| Sentiment Analysis |
A. Pengertian Sentiment Analysis
Sentiment analysis adalah proses memahami dan mengelompokkan emosi (positif, negatif, dan netral) yang terdapat dalam tulisan menggunakan teknik analisis teks. Sentiment analysis juga diartikan sebagai proses menganalisis tulisan online untuk menentukan nada emosional dari penulisnya.
Sentiment analysis sering juga disebut sebagai opinion mining yang artinya penggalian emosi apa yang ada di balik setiap kata-kata pelanggan. Saat ini, pelanggan sangat senang mengekspresikan perasaannya melalui platform online, seperti media sosial, e-commerce, dan website.
B. Cara Kerja Sentiment Analysis
Pada dasarnya analisis ini memiliki tahapannya tersendiri yang cukup berbeda dari teknik lainnya. Akan tetapi, cara tersebut juga dapat dikembangkan sesuai dengan kebutuhan perusahaan. Setidaknya, terdapat 3 cara berikut di antaranya,
1. Ambil data dengan metode klasifikasi
Sebelum menilai sentimen, tim perlu mengklasifikasikan data dari kalimat terlebih dahulu menggunakan beberapa klasifikasi pendekatan di antaranya,
a. Pendekatan machine learning
Meskipun memanfaatkan kecerdasan mesin, proses ini dapat dikatakan cukup kompleks. Sebab tenaga manusia di awal proses juga sangat dibutuhkan untuk mengumpulkan data dan melakukan klasifikasi. Waktu yang diperlukan pun cenderung lebih lama. Keunggulannya, proses dan waktu yang cukup panjang tersebut pada akhirnya akan memberikan akurasi yang sangat baik. Sehingga hasilnya dinilai merefleksikan sentimen pelanggan.
b. Pendekatan knowledge-based
Pengukuran yang digunakan metode ini akan lebih fokus pada pemrosesan kata. Salah satu prosesnya akan menggunakan metode Lexicon- Based, yaitu membandingkan dan menilai kata dengan kamus lexicon. Pertama-tama, tim harus memilih terlebih dahulu kata apa yang akan dianalisis. Kata-kata yang dipilih tersebut kemudian disandingkan dengan nilai polaritas. Dari sini akan terlihat bagaimana reaksi pelanggan atas pengalaman menggunakan produk.
Walaupun demikian, tim tetap punya pekerjaan lebih untuk mengambil konteks kalimat yang tepat. Karena sistem Lexicon ini cukup rentan dengan perubahan makna akibat kurangnya deteksi makna kata.
c. Pendekatan secara hybrid
Ini adalah metode yang menggabungkan dua pendekatan berbeda di atas. Kombinasi keduanya disebut-sebut saling melengkapi dan menutupi kekurangan satu sama lain. Ketika Lexicon-Based hanya akan menunjukkan nilai polaritas yang cenderung lebih besar, selanjutnya akan berlanjut pada Machine Learning Based. Tujuannya untuk mengenali pola setiap kata sehingga diketahui polaritas kalimat secara keseluruhan.
2. Melakukan evaluasi hasil
Data yang telah terklasifikasi kemudian perlu melalui proses evaluasi untuk menemukan hasil akhir. Evaluasi akan menggunakan tolok ukur dari penilaian presisi, F-Score, pengulangan, dan akurasi.
3. Membuat data visual
Hasil yang sudah didapat tentu tidak mudah dipahami oleh semua orang. Terlebih bagi pihak lain yang awam dengan pengukuran sentiment analysis, membaca datanya akan jauh lebih sulit. Oleh karena itu, baiknya tuangkan hasil evaluasi menjadi data visual. Dapat berupa grafik, skema, atau matriks.
Hasil ini akan sangat menentukan keputusan yang diambil perusahaan kedepannya. Maka dari itu, perlu peran setiap bidang agar kepentingan tidak saling tumpang tindih. Dengan begini seluruh bidang pun menjadi pemeran utama yang dalam kemajuan bisnis.
C. Tipe Sentiment Analysis
1. Fine-grained sentiment analysis
Fine-grained sentiment analysis adalah tipe analisis yang memiliki penilaian spesifik. Tipe ini memungkinkan kita memiliki range penilaian yang lebar. Biasanya, fine-grained sentiment analysis banyak digunakan pada review e-commerce berupa lima bintang. Bintang satu menyatakan nilai yang sangat negatif, sedangkan bintang lima menyatakan nilai yang sangat positif.
2. Emotion detection
Sesuai namanya, tipe analisis sentimen yang satu ini bertujuan untuk mendeteksi emosi, seperti kebahagiaan, kemarahan, kesedihan, dan frustrasi. Namun, salah satu kelemahan dari emotion detection adalah cara pengekspresian emosi orang yang berbeda-beda. Sebagai contoh, kata ‘parah’ sebenarnya bermakna negatif. Namun jika seseorang mengatakan, “Makanan ini enak banget, parah,” maknanya menjadi positif.
3. Aspect-based sentiment analysis
Aspect-based sentiment analysis digunakan untuk mengetahui aspek apa yang mendapat penilaian positif, netral, atau negatif dari pelanggan. Misalnya dalam sebuah review produk, ada pelanggan yang memberikan komentar, “Bahan celana ini halus dan nyaman digunakan.” Maka, kita bisa menyimpulkan bahwa aspek yang mendapat penilaian positif dari pelanggan adalah bahan celana tersebut.
4. Multilingual sentiment analysis
Analisis sentimen multilingual dimanfaatkan untuk menganalisis kata-kata dalam berbagai bahasa. Namun, tipe analisis yang satu ini terbilang cukup sulit karena kita harus memiliki daftar kata dari bermacam bahasa. Selain itu, kita harus terus meng-update daftar tersebut sesuai perkembangan bahasa.
D. Jenis Sentimen
Tujuan melakukan analisis ini adalah untuk mengetahui bagaimana emosi atau sentimen pelanggan dari kalimatnya. Cara tersebut biasa dikenal dengan fined-grained sentiment analysis. Dan untuk mengklasifikasikan sentimen setiap kalimatnya, tim perlu mempersiapkan kelompok sentimen agar mudah diambil kesimpulan. Kelompok klasifikasi tersebut di antaranya,
1. Sentimen positif
Dengan kata lain, pelanggan menyukai nilai produk yang perusahaan ditawarkan. Nada kalimatnya pun akan lebih mudah terbaca karena rasa kepuasan mendorong pemilihan kata pujian. Secara tidak langsung kalimat ini juga akan menambah nilai produk sehingga mampu mempengaruhi pasar.
Maka tak heran, perusahaan biasanya tidak melakukan tindakan signifikan karena menganggap permintaan pasar akan bergerak dengan sendirinya. Langkah tindak lanjut yang tepat umumnya tetap mempertahankan proses atau komponen yang membuat produk dinilai maksimal.
2. Sentimen negatif
Emosi yang ditunjukkan dalam opini pelanggan di jenis ini cenderung akan menurunkan nilai produk. Terlebih dengan dukungan media sosial, efeknya pun akan cepat menyebar menyebabkan anggapan negatif di pasar. Penunjukan sentimen ini tergolong bervariasi.
Beberapa orang akan menyatakan dengan gamblang dan sebagian lainnya memilih untuk memformulasikan kalimat. Meskipun dampaknya cukup merugikan, justru reaksi seperti ini semakin memacu perusahaan melakukan berbagai strategi demi memperbaiki kualitas sekaligus memulihkan citra.
3. Sentimen netral
Bentuk kalimat dari sentimen ini menyiratkan ketidakberpihakan pelanggan pada penilaian. Data reaksi ini juga penting bagi perusahaan. Sebab, netralnya posisi mereka bisa jadi mengisyaratkan ketidaktertarikan pada manfaat produk setelah digunakan. Maka dari itu, perusahaan baiknya tetap melakukan langkah lanjutan agar mampu mengarahkannya pada sentimen positif.
Dari berbagai sumber
Post a Comment