ASPECT-LEVEL SENTIMENT ANALYSIS ON SMARTPHONE CUSTOMER REVIEW

AHNAF MUHAMMAD A, Retantyo Wardoyo, Drs., M.Sc., Ph.D; Sigit Priyanta, S.Si., M.Kom., Dr.

2020 | Skripsi | S1 ILMU KOMPUTER

Meningkatnya jumlah teks yang dihasilkan oleh pengguna di internet telah menjadikan analisis sentimen sebagai pendekatan yang populer untuk mengekstraksi informasi. Namun, sebagian besar analisis sentimen saat ini masih menganalisis teks di tingkat dokumen. Dengan menggunakan pendekatan ini, kita hanya akan memiliki keseluruhan analisis sentimen daripada analisis pada target tertentu. Dalam analisis sentimen tingkat aspek, analisis mengacu pada pendapat itu sendiri. Ini berdasar pada gagasan yang menyebutkan bahwa opini terdiri dari sentimen (positif atau negatif) dan target (pendapat). Penelitian ini bertujuan untuk mengidentifikasi aspek entitas dan sentimen yang diungkapkan untuk setiap aspek. Oleh karena itu, penelitian ini berfokus pada analisis sentimen pada tingkat aspek, yang terdiri dari: ekstraksi aspek, klasifikasi aspek, dan klasifikasi sentimen. Data yang digunakan dalam penelitian ini adalah review pengguna dari situs web GSMArena yang terdiri dari beberapa produk. Conditional Random Field digunakan untuk mengekstraksi aspek sementara Maximum Entropy digunakan untuk mengklasifikasikan kategori aspek dan polaritas sentimen. Hasil penelitian ini adalah: ekstraksi aspek mendapat skor rata-rata f1 0,8 (80%). Untuk klasifikasi aspek, model tertinggi dicapai dengan kombinasi fitur unigram dengan rata-rata skor-F1 adalah 0,75 (75%). Terakhir dalam analisis sentimen, model kami mencapai rata-rata F1-Score 0,746 (74,6%)

The increasing number of user-generated text on the internet has made sentiment analysis a popular approach to extract the information. However, most of the sentiment analysis nowadays is still analyze the text in the document level. Using this approach, we will only have the overall analysis of sentiment rather than analysis on the specific target. In aspect-level sentiment analysis, it directly looks at the opinion itself. It is based on the idea that an opinion is consists of a sentiment (positive or negative) and a target (of opinion). Also it aims is to identify the aspects of entities and the sentiment expressed for each aspect. Therefore, this research focuses on sentiment analysis on the aspect level, representing three main steps: aspect extraction, aspect classification, and sentiment classification. The data that used in this research are the user opinion from GSMArena website consists of several products. Conditional random fields are used for extracting the aspect while maximum entropy is for classifying the aspect category and the sentiment polarity. The aspect extraction task is able to achieve average f1 score 0.8 (80%). For aspect classification, the highest model was achieved by combination of unigram features with the average F1-Score is 0.75 (75%). Lastly in the sentiment analysis task, our model was achieved the average F1-Score 0.746 (74.6%)

Kata Kunci : Aspect Level Sentiment Analysis, Customer Review