Analisis Ulasan Produk Pada Media Sosial (twitter) Untuk Meningkatkan Kualitas Produk Handphone Menggunakan Metode Aspect-based Dengan Pendekatan Lexicon

Abstrak

Abstrak Media sosial juga sudah marak digunakan sebagai media untuk menyampaikan aspirasi atau ulasan tentang suatu produk. Kegiatan ini membuat banyak data ulasan tersebar luas di jejaring media sosial. Twitter adalah salah satu platform yang sering digunakan untuk menulis ulasan karena bersifat terbuka dan bebas untuk mengekspresikan pendapat. Data yang tersebar dapat menjadi acuan peningkatan kualitas produk dengan dibuat sebuah analisis sentimen berbasis aspek. Analisis sentimen berbasis aspek mengacu pada aspek atau fitur pada produk tersebut. Penilitian dilakukan dengan menggunakan tiga ulasan produk handphone Iphone 11 pada platform twitter dengan menggunakan analisis sentimen menggunakan klasifikasi lexicon. Hasil evaluasi terbaik didapatkan dengan skenario pertama yang menggunakan parameter full preprocessing dan kamus lexicon Liu. Kamus yang digunakan sudah di terjemahkan kedalam bahasa Indonesia. Skenario ini memiliki hasil exact match error ratio sebesar 42.11%. Kata kunci : aspect based sentimen analysis, ekstraksi aspek, lexicon Indonesia Abstract Social media has also been widely used as a medium to convey aspirations or reviews about a product. This activity makes a lot of data reviews widely spread on social media networks. Twitter is one of the platforms that is often used to write reviews because it is open and free to express opinions. The scattered data can be used as a reference for improving product quality by making an aspect-based sentiment analysis. Aspect-based sentiment analysis refers to an aspect or feature of the product. The research was conducted using data on iPhone 11 mobile product reviews on the Twitter platform using sentiment analysis using the Lexicon classification. The best evaluation results are obtained with the first scenario using full preprocessing parameters and the Liu’s Lexicon dictionary. The dictionary used has been translated into Indonesian. This scenario has an exact match error ratio of 42.11%. Keywords: aspect based sentiment analysis, aspect extraction, Indonesian lexicon