Analisis Sentimen Berbasis Aspek Terhadap Ulasan Restoran Berbahasa Indonesia Menggunakan Support Vector Machines

Abstract

Dalam dunia bisnis, ulasan daring merupakan salah satu masukan penting yang bersifat sebagai kritik dan saran bagi bisnis yang sedang dijalankan. Ulasan daring pada umumnya mengandung opini terhadap bisnis yang diulas, di mana opini tersebut dapat berupa opini positif, negatif, maupun netral. Pada umumnya, ulasan hanya didukung dengan ukuran penilaian berupa rating tanpa diketahui apakah ulasan yang ditulis sesuai terhadap rating yang diberikan. Untuk mengetahui hal tersebut, dapat diidentifikasi dengan Aspect-Based Sentiment Analysis (ABSA). Pada Tugas Akhir ini, dilakukan penelitian ABSA pada ulasan restoran, dengan proses meliputi: Ekstraksi aspek pada ulasan dengan menggunakan grammar rules terhadap dependency parser setiap kalimat, dan diberikan tingkatan polaritasnya sesuai dengan tulisan dengan opinion lexicon Bahasa Indonesia. Aspek yang telah dideteksi kemudian dikelompokan kedalam lima topik utama yang dideteksi menggunakan Support Vector Machines (SVM) yaitu ambience, food, miscellaneous, price, dan service, dan kemudian disesuaikan dengan topik dengan metode word embedding dan cosine similarity. Terakhir, topik-topik tersebut diidentifikasi polaritasnya sesuai nilai polaritas aspek yang terdapat di dalamnya. Hasil pengujian menunjukkan bahwa performansi pada tahap ekstraksi aspek dengan nilai precision 39.195% dan recall 40.634%, kemudian pada tahap identifikasi polaritas aspek didapat akurasi 38.352%, lalu pada tahap kategorisasi topik mendapat nilai F1-Score 68%, dan terkahir pada tahap klasifikasi polaritas topik mendapat nilai akurasi 15.119%. Kata kunci : analisis sentimen berbasis aspek, support vector machines, ulasa