Analisis Sentimen pada Ulasan Handphone dengan Algoritma FP-Growth
DOI:
https://doi.org/10.54082/jupin.993Kata Kunci:
Analisis Sentimen, FP-Growth, Opinion WordsAbstrak
Masyarakat dewasa ini lebih sering melakukan pembelian produk melalui daring. Hal ini tentu membutuh-kan kecermatan dalam membaca ulasan guna mendapatkan produk yang baik. Sentimen analisis dilakukan untuk menganalisa ulasan pengunjung dari komentar sebuah produk dalam media sosial. Penelitian kali ini difokuskan kepada ulasan produk handphone merk asus zenfone2 yang diambil dari amazon.com guna mengetahui sentimen pengunjung website terkait produk yang dipilih. Proses pengolahan data tersebut dimulai dari pemilahan ulasan yang didapat menjadi perkalimat untuk mempermudah proses selanjutnya. Untuk mendapatkan noun dan adjective dari kalimat tersebut, dilakukan tahapan preprocessing seperti lower case, tokenisasi, lemmatization, serta POS tagging. Noun yang didapat dari prepocessisng tersebut digunakan dalam algoritma FP-growth untuk menemukan fitur pada handphone asus zenfone2 yang sering dibicarakan. Sedangkan adjective yang di dapat, akan digunakan untuk mendeteksi apakah kalimat yang mengandung fitur tersebut bernilai positif atau negatif. Hasil dari analisis ini dapat digunakan customer dalam mempertimbangkan produk tersebut tanpa harus membaca ulasan satu persatu.
Referensi
BrightLocal. (2020). Local Consumer Review Survey 2020. Available Online at: https://www.brightlocal.com/research/local-consumer-review-survey-2020
Erwin. (2009). Analisis Market Baket dengan Algoritma Apriori dan FP-Growth. Jurnal Generic , 4.
Association Rule Metode Apriori. Informasi dan Teknologi Ilmiah(INTI) , III.
Haque, T. U., Saber, N. N., & Shah, F. M. (2018). Sentiment analysis on large scale Amazon product reviews. 2018 IEEE International Conference on Innovative Research and Development (ICIRD). doi:10.1109/icird.2018.8376299
Liu, Bing. (2020). Sentiment Analysis: Mining Opinions, Sentiments, and Emotions. Cambridge Uni-versity Press
Kurniawan, B., Effendi, S., & Salim Sitompul, O. (2012). Klasifikasi Konten Berita dengan Metode Text Mining. Jurnal Dunia Teknologi Informasi , I, 14-19.
Litbang. (2019). APJII: Jumlah Pengguna Internet di Indonesia Tembus 171 Juta Jiwa. Litbang Ke-mendagri. https://litbang.kemendagri.go.id/website/apjii-jumlah-pengguna-internetdiindonesia-tembus-171-juta-jiwa/
Milatina, Syukur, A., & Supriyanto, C. (2012). Pengaruh Text Preprocessing pada Clustering Dokumen Teks Berbahasa Indonesia. Jurnal Teknologi Informasi , 8.
Radovanovic, M., & Ivanovic, M. (2008). Text Mining: Approaches and Application.
Ririanti. (2014). Implementasi Algoritma FP-Growth pada Aplikasi Prediksi Persediaan Sepeda Mo-tor(Studi Kasus PT.Pilar Deli Labumas). Pelita Informatika Budi Darma (VI).
Vanaja, S., Belwal, M. (2018). Aspect-Level Sentiment Analysis on E-Commerce Data. Proceedings of the International Conference on Inventive Research in Computing Applications (ICIRCA 2018). doi:10.1109/ICIRCA.2018.8597286
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Roza Marmay, Leony Lidya, Sarjon Defit

Artikel ini berlisensi Creative Commons Attribution 4.0 International License.