BEDUG MERIAH Diskon 95%
Belajar Data 6 BULAN Bersertifikat hanya Rp150K!

0 Hari 0 Jam 21 Menit 19 Detik

Implementasi Data Sekunder, Kenali Tentang Sentiment Analysis

Belajar Data Science di Rumah 05-Februari-2022
https://dqlab.id/files/dqlab/cache/b05f50a04853413b8b407fd3ebb9ca90_x_Thumbnail800.jpg

Data sekunder menjadi salah satu jenis data yang banyak digunakan dalam berbagai jenis analisis, salah satunya adalah sentiment analysis. Perkembangan teknologi membuat data tidak hanya berbentuk angka, melainkan juga bentuk-bentuk lain seperti teks, gambar, video, dll. Untuk sentiment analysis sendiri menggunakan data yang berbentuk teks yang umumnya diambil dari media sosial, Nah, data-data ini ternyata termasuk sebagai Data sekunder karena tidak dikumpulkan langsung dari narasumbernya, melainkan sudah terkumpul di media sosial.

Setiap hari data-data yang berhubungan dengan media sosial akan terus bertambah. Berdasarkan survey yang dilakukan oleh We are Social di Januari 2022, total pengguna sosial media di tahun 2022 bertambah sebanyak 10.1% atau setara dengan 424 juta orang jika dibandingkan dengan tahun sebelumnya. Kalian bisa bayangin gak berapa banyak data yang dihasilkan oleh pengguna sosial media ini setiap harinya? Data-data yang berjumlah sangat banyak ini tidak akan berarti apapun jika kita tidak bisa mengolahnya dengan cara yang benar. Nah, agar bisa mengolah data teks, kita perlu kenalan dulu nih dengan metode yang akan digunakan, yaitu sentiment analysis. Yuk, cek artikelnya!


1.Apa Itu Sentiment Analysis?

Data Sekunder

Seperti namanya, sentiment analysis merupakan sebuah analisis yang digunakan untuk melihat sentiment orang lain terhadap suatu topik atau kejadian. Dalam sentiment analysis, hasil akhirnya dapat diklasifikasikan menjadi beberapa jenis, misalnya sentiment positive, sentiment negative, dan netral. Semakin besar persentase dari sentiment positive akan menunjukkan bahwa masyarakat menyukai atau mensupport topik yang sedang dibicarakan, sementara jika persentase dari sentiment negative lebih besar maka menunjukkan bahwa masyarakat tidak begitu suka dengan topik yang sedang dibahas.

Sentiment Analysis ternyata merupakan salah satu analisis yang menggunakan NLP (Natural Language Processing), dimana dengan teknik ini komputer akan berusaha menerjemahkan bahasa yang digunakan oleh manusia sehari-hari ke dalam bahasa komputer. 


Baca juga : Teknik Pengumpulan Data Sekunder, Apa Saja Sumber Data yang Bisa Digunakan?


2. Peranan Sentiment Analysis

Data Sekunder

Sentiment Analysis secara umum akan digunakan untuk menganalisis postingan yang ada di sosial media seperti Facebook, Instagram, Twitter, dll. Selain itu juga banyak digunakan dalam review produk untuk melihat pendapat serta reaksi dari customer sehingga pemilik produk mengetahui hal mana yang harus ditingkatkan dan mana yang cukup untuk dipertahankan. Pemantauan reputasi produk serta analisis pengalaman pelanggan menjadi hal yang sangat wajib dalam riset pasar.

Jika teman-teman adalah orang yang berinvestasi di saham, tentu tidak asing lagi dengan kata-kata sentimen positif dan negatif. Sentimen positif dan negatif inilah yang kemudian bisa menjadi salah satu faktor kenaikan dan penurunan harga saham. Itulah mengapa di dalam dunia bisnis, pendapat dari orang lain khususnya customer menjadi sangat penting untuk diperhatikan.


3.Jenis Sentiment Analysis

Sentiment Analysis dapat terbagi menjadi beberapa jenis, dari yang bisa dimanfaatkan untuk melihat pola dari pendapat hingga hal-hal yang lebih spesifik. Beberapa jenis tersebut adalah:

  • Fine-Grained Sentiment Analysis

Sentiment Analysis jenis ini berfokus pada pola yang terdapat di pendapat-pendapat yang telah dikumpulkan. Jenis ini merupakan jenis yang paling sering digunakan, dimana responnya akan dikelompokkan menjadi beberapa kelas, seperti sangat positif, agak positif, netral, agak negatif, dan negatif. 

  • Intent Sentiment Analysis

Sentiment Analysis jenis ini mulai berfokus ke hal-hal yang lebih kompleks. Dimana kita akan melihat tujuan dari berbagai pendapat yang ada, apakah termasuk sebagai komplain, saran, keluhan, pertanyaan, atau apresiasi.

  • Aspect - Based Sentiment Analysis

Jenis ini termasuk jenis sentiment analysis yang lebih mempertimbangkan hal-hal yang spesifik dari produk atau tema yang sedang diangkat dengan hasil dari sentiment analysis.


4.Cara Kerja Sentiment Analysis

Tahapan kerja sentiment analysis dapat dikelompokkan menjadi 3 kelompok besar, yaitu:

  • Klasifikasi

Pada tahap ini, data yang telah ada akan dilakukan klasifikasi dengan bantuan algoritma Machine Learning yang digabungkan dengan lexicon based. Lexicon-based ini akan berisi kata-kata yang memiliki skor, sehingga bisa dilihat apakah nantinya hasil klasifikasi akan masuk ke kategori yang positif, negatif, atau netral.

  • Evaluasi

Di tahapan evaluasi, kita akan menilai apakah hasil klasifikasi yang telah dilakukan telah mendekati hasil yang sebenarnya atau tidak. Disini kita bisa memanfaatkan berbagai metrik evaluasi, seperti Precision, Recall, F-score, dan Accuracy.

  • Visualisasi

Data Sekunder

Setelah memastikan bahwa hasil kualifikasi memang mendekati keadaan yang sebenarnya, maka langkah yang paling akhir adalah membuat visualisasi. Untuk visualisasi sebenarnya sangat bebas, bisa berbentuk bar chart, line chart, dll. Namun pada umumnya, praktisi data akan lebih sering menggunakan wordcloud untuk menampilkan data opini yang sangat beragam.


Baca juga : Metode Pengumpulan Data Sekunder, Bisa Menggunakan Apa Saja Sih?


5. Cari Tahu Tools pengolahan Data Sekunder Bareng DQLab Yuk!

Data sekunder sebenarnya sama saja dengan data primer, sehingga kita bisa memanfaatkan tools yang sama, seperti R, Python, dan SQL. Kamu bisa mempelajari ketiga bahasa pemrograman ini dengan cara mengambil kursus dan menjadi member premium DQLab. Kamu cukup membayar 32.500 per bulan untuk mengakses semua modul yang ada di DQLab. Selain itu, kamu juga bisa memanfaatkan free modul dari DQLab yaitu œIntroduction to Data Science with R dan œIntroduction to Data Science with Python. Yuk, tunggu apa lagi? Buruan gabung menjadi member DQLab!


Penulis : Gifa Delyani Nursyafitri


Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login