SOC Press, Indonesia Symposium on Computing (IndoSC) 2016

Font Size: 
Analisis Sentimen berdasarkan Aspek Pada Review Restoran Menggunakan Bayesian Networks Untuk Dokumen Berbahasa Inggris
Dimas Adhi Prasidya


Full Text: PDF

Abstract


Analisis Sentimen memungkinkan penggunanya untuk mengetahui bagaimana pendapat orang lain mengenai produk atau bisnis yang ada. Konsumen biasanya memberikan pendapat mereka setelah menggunakan produk ataupun jasa yang ditawarkan. Dengan mengetahui apakah produknya disukai atau tidak, penjual dapat mengambil langkah strategis. Penulis menerapkan konsep text mining pada bidang analisis sentimen dalam penelitian ini. Ada beberapa tahapan yang dilalui. Pertama adalah tahap preprocessing data, pada tahap ini dilakukan proses normalisasi, tokenization, filtering/stop word removal, da lemmatization. Tahap kedua adalah tahap learning classifier, yaitu membangun struktur graf yang dipakai pada proses klasifikasi. Graf yang dibuat ada Sembilan jenis yang masing – masingnya terdiri dari tiga node, yaitu word, polarity, dan aspect. Setelah graf selesai dibuat, graf tersebut akan dihitung nilai kompleksitasnya dengan menggunakan rumus BDeu (Bayesian Dirchlet Equivalence Uniform) untuk menentukan graf yang terbaik. Tahap ketiga adalah tahap klasifikasi,
pada tahap ini dokumen diklasifikasikan sentimennya apakah cenderung ke positif, negatif, konflik atau netral dan aspeknya apakah food, ambience, miscellaneous, price atau service. Tahap keempat

Reference


[1] Chowdhury, G. G. (2003). Natural language processing. Annual review of information science and technology, 37(1), 51-89. Crossref

[2] Liu, B. (2012). Sentiment analysis and opinion mining. Synthesis lectures on human language technologies, 5(1), 1-167. Crossref

[3] K. B. Corb and A. E. Nicholson, "Introducing Bayesian Network," in Bayesian Artificial Intelligence, New Work, CRC Press, 2011, pp. 29-50.

[4] B. Malone, "Parameter Estimation with Complete Data," University of Helsinki, Finland, 2014.

[5] Carvalho, A. M. (2009). Scoring functions for learning Bayesian networks. Inesc-id Tec. Rep.

[6] García, S., Luengo, J., & Herrera, F. (2015). Data preprocessing in data mining. New York: Springer. Crossref

[7] Jivani, A. G. (2011). A comparative study of stemming algorithms. Int. J. Comp. Tech. Appl, 2(6), 1930-1938.

[8] R. C and R. R, "International Journal of Advanced Research in Computer and Communication Engineering," Effective Pre-Processing Activities in Text Mining using Improved Porter’s Stemming Algorithm, p. 2, 2013.

[9] Gupta, V., & Lehal, G. S. (2009). A survey of text mining techniques and applications. Journal of emerging technologies in web intelligence, 1(1), 60-76.Crossref

[10] Heckerman, D. (1996). A Tutorial on Learning with Bayesian Networks. Microsoft Research, Advanced Technology Division (pp. 39-40). MSR-TR-95-06.

[11] Ingason, A. K., Helgadóttir, S., Loftsson, H., & Rögnvaldsson, E. (2008). A mixed method lemmatization algorithm using a hierarchy of linguistic identities (HOLI). In Advances in Natural Language Processing (pp. 205-216). Springer Berlin Heidelberg. Crossref

[12] Junker, M., Hoch, R., & Dengel, A. (1999, September). On the evaluation of document analysis components by recall, precision, and accuracy. In Document Analysis and Recognition, 1999. ICDAR'99. Proceedings of the Fifth International Conference on (pp. 713-716). IEEE. Crossref

[13] Kennedy, A., & Inkpen, D. (2006). Sentiment classification of movie reviews using contextual valence shifters. Computational intelligence, 22(2), 110-125. Crossref

[14] Plisson, J., Lavrac, N., & Mladenic, D. (2004). A rule based approach to word lemmatization. In Proceedings C of the 7th International Multi-Conference Information Society IS 2004 (Vol. 1, No. 1, pp. 83-86).

[15] Pontiki, M., Galanis, D., Pavlopoulos, J., Papageorgiou, H., Androutsopoulos, I., & Manandhar, S. (2014, August). Semeval-2014 task 4: Aspect based sentiment analysis. In Proceedings of the 8th international workshop on semantic evaluation (SemEval 2014) (pp. 27-35). Crossref

[16] Erwanda, F., & Adiwijaya, G. S. Implementasi Hubs and authorities centrality dalam Social network analysis pada Data Twitter.

[17] Rahman, F. A., Saleh, K. R., & Gozali, A. (2015, September). Kompresi Basis Data Graph Menggunakan Power Graph Analysis. In Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI).

Last modified: 2016-11-02