Analisis Sentimen Berbasis Aspek Menggunakan Metode Support Vector Machine pada Data Ulasan Restaurant

EKA SAKINAH OKTAVIANI, Prof. Dr. Sri Haryatmi, M.Sc.

2020 | Skripsi | S1 STATISTIKA

Opinion mining atau yang juga dikenal sebagai sentiment analysis merupakan metode yang digunakan untuk mengidentifikasi pendapat atau opini seseorang tentang suatu produk, film, berita, dll. Analisis sentimen terdiri dari 3 tingkatan, yaitu analisis sentimen tingkat kalimat, dokumen dan aspek. Analisis sentimen tingkat kalimat dan tingkat dokumen sudah cukup baik dalam memperoleh orientasi sentimen. Namun, pada kenyataanya kebutuhan terus meningkat dimana informasi yang diperlukan dalam pengembangan produk tidak sebatas memperoleh penilaianya produk secara keseluruhan, tetapi dibutuhkan informasi terkait opini customer pada masing-masing fitur atau aspek-aspek dari produk, entitas ataupun layanan. Oleh karena itu, analisis sentimen tingkat aspek dibutuhkan untuk menjawab kebutuhan informasi yang diperlukan tersebut. Pada analisis sentimen tingkat aspek dapat diketahui bagaimana pandangan seseorang terhadap masing-masing aspek-aspek yang terkandung dalam produk apakah positif atau negatif. Pada skripsi ini akan dibahas analisis sentimen tingkat aspek menggunakan salah satu metode supervised learning yaitu Support Vector Machine (SVM) pada data ulasan restaurant. Tahapan yang akan dilakukan yaitu dimulai dengan persiapan data ulasan restaurant kemudian melakukan tahap preprocessing ( data cleaning, tokenization, menghapus stopword, lemmatization, feature extraction), terakhir menghitung orientasi sentimen dari masing-masing aspek dengan menggunakan metode SVM. Hasil analisis menunjukkan bahwa akurasi yang dihasilkan yaitu sebesar 88%.

Opinion mining also known as sentiment analysis is a method used to identify someone's opinions about a product, film, news, etc. Levels in sentiment analysis consist of 3 levels : sentence-level, document-level and aspect-levels. Sentiment analysis of sentences and document-level is good enough in obtaining sentiment orientation. However, in fact the needs continue to increase, where the information needed in product development is not limited to obtaining a product assessment as a whole, but information related to customer opinions on the features or aspects of the product is needed. Therefore, aspect-level sentiment analysis is needed to answer the required information needs. In the aspect-level sentiment analysis we can find out how one's view of the aspects contained in the product is positive or negative. This thesis will discuss aspect-level of sentiment analysis on restaurant review using one of the supervised learning methods, Support Vector Machine (SVM). The steps that will be carried out are starting with the preparation of restaurant review data and then doing the preprocessing stage (data cleaning, tokenization, stopword removal, lemmatization, feature extraction), then calculating the sentiment orientation of each aspect using the SVM. The analysis shows that the accuracy produced is equal to 88%.

Kata Kunci : Sentiment Analysis, Support Vector Machine, ABSA, Opinion Mining, Aspect-Based Sentiment Analysis