Survei tentang analisis sentimen: evolusi metode dan topik penelitian (bagian 1)

Analisis sentimen merupakan salah satu pusat perhatian penelitian dalam bidang pemrosesan bahasa alami (NLP), telah menarik perhatian para peneliti, dan makalah-makalah penelitian di bidang ini semakin banyak diterbitkan. 

Banyak tinjauan pustaka tentang analisis sentimen yang melibatkan teknik-teknik, metode, dan aplikasi telah dihasilkan menggunakan berbagai metodologi dan alat survei yang berbeda, tetapi belum ada survei yang didedikasikan untuk melihat evolusi metode dan topik penelitian dalam analisis sentimen. 

Juga hanya sedikit survei yang menggunakan ko-kejadian kata kunci dalam analisis sentimen. Oleh karena itu, studi ini menyajikan sebuah survei tentang analisis sentimen yang berfokus pada evolusi metode dan topik penelitian. Ini menggabungkan analisis ko-kejadian kata kunci dengan algoritma deteksi komunitas. 

Survei ini tidak hanya membandingkan dan menganalisis hubungan antara metode-metode penelitian dan topik-topik selama dua dekade terakhir, tetapi juga mengungkapkan pusat-pusat perhatian dan tren-tren dari waktu ke waktu, sehingga memberikan panduan bagi para peneliti. 

Selain itu, makalah ini menyajikan wawasan praktis yang luas mengenai metode-metode dan topik-topik analisis sentimen, sambil juga mengidentifikasi arah teknis, batasan-batasan, dan arah penelitian di masa depan.

Pendahuluan

Web 2.0 telah mendorong peningkatan konten yang dihasilkan oleh pengguna di Internet. Konten ini erat kaitannya dengan kehidupan, emosi, dan pendapat para pengguna. Oleh karena itu, analisis data yang dihasilkan oleh pengguna ini bermanfaat untuk memantau opini publik dan membantu dalam pengambilan keputusan. Analisis sentimen, sebagai salah satu aplikasi paling populer dari analisis berbasis teks, dapat digunakan untuk mengeksplorasi sikap, emosi, penilaian, dan pendapat orang tentang berbagai isu, entitas, topik, peristiwa, dan produk dan hal ini telah dibahas pada penelitian berikut:

• Cambria E, Liu Q, Decherchi S, Xing F, Kwok K (2022a) SenticNet 7: a commonsense-based neurosymbolic AI Framework for Explainable Sentiment Analysis. In: LREC, Marseille: European Language Resources Association (ELRA), pp 3829–3839. https://sentic.net/senticnet-7.pdf
• Injadat MN, Salo F, Nassif AB (2016) Data mining techniques in social media: a survey. Neurocomputing 214:654–670. https://doi.org/10.1016/j.neucom.2016.06.045
• Jiang D, Luo X, Xuan J, Xu Z (2017) Sentiment computing for the news event based on the social media big data. IEEE Access 5:2373–2382. https://doi.org/10.1109/ACCESS.2016.2607218
• Liang B, Su H, Gui L, Cambria E, Xu R (2022) Aspect-based sentiment analysis via affective knowledge enhanced graph convolutional networks. Knowl Based Syst 235:107643. https://doi.org/10.1016/j.knosys.2021.107643
• Oueslati O, Cambria E, Ben HM, Ounelli H (2020) A review of sentiment analysis research in Arabic language. Futur Gener Comput Syst 112:408–430. https://doi.org/10.1016/j.future.2020.05.034
• Piryani R, Madhavi D, Singh VK (2017) Analytical mapping of opinion mining and sentiment analysis research during 2000–2015. Inf Process Manag 53(1):122–150. https://doi.org/10.1016/j.ipm.2016.07.001

Analisis sentimen membantu kita dalam mengartikan emosi dalam teks yang tidak terstruktur sebagai positif, negatif, atau netral, dan bahkan menghitung seberapa kuat atau lemah emosi tersebut. Saat ini, analisis sentimen secara luas digunakan dalam berbagai bidang, seperti bisnis, keuangan, politik, pendidikan, dan layanan. 

Teknik analisis ini telah mendapatkan penerimaan luas tidak hanya di kalangan peneliti tetapi juga di antara pemerintahan, lembaga, dan perusahaan seperti yang dilakukan oleh : 

• Khatua A, Khatua A, Cambria E (2020) Predicting political sentiments of voters from Twitter in multi-party contexts. Appl Soft Comput J 97:106743. https://doi.org/10.1016/j.asoc.2020.106743
• Sánchez-Rada JF, Iglesias CA (2019) Social context in sentiment analysis: formal definition, overview of current trends and framework for comparison. Inf Fusion 52:344–356. https://doi.org/10.1016/j.inffus.2019.05.003
• Wang Z, Ho S-B, Cambria E (2020b) A review of emotion sensing: categorization models and algorithms. Multimed Tools Appl 79(47):35553–35582. https://doi.org/10.1007/s11042-019-08328-z

Ini membantu para pemimpin kebijakan, pengusaha, dan penyedia layanan untuk membuat keputusan yang lebih baik.

Mayoritas data konten yang dihasilkan oleh pengguna adalah teks yang tidak terstruktur, yang meningkatkan kesulitan besar dalam melakukan analisis sentimen. Sejak tahun 2000, para peneliti telah menjelajahi teknik dan metode untuk meningkatkan akurasi analisis tersebut. 

Popularitas platform media sosial telah membawa orang-orang di seluruh dunia lebih dekat satu sama lain. Dengan terus majunya teknologi, topik-topik penelitian, bidang-bidang aplikasi, serta metode-metode dan teknologi-teknologi inti dalam analisis sentimen juga terus berubah.

Mengamati tulisan-tulisan dari bidang-bidang tertentu membantu kami, peneliti memahami sepenuhnya bidang tersebut. Sudah banyak survei tentang analisis sentimen yang dilakukan oleh peneliti sebelumnya yaitu:

• Nair RR, Mathew J, Muraleedharan V, Deepa Kanmani S (2019) Study of machine learning techniques for sentiment analysis. In: 2019 3rd International Conference on Computing Methodologies and Communication (ICCMC), IEEE, pp 978–984. https://doi.org/10.1109/ICCMC.2019.8819763
• Raghuvanshi N, Patil JM (2016) A Brief Review on Sentiment Analysis. In: 2016 International Conference on Electrical, Electronics, and Optimization Techniques (ICEEOT), IEEE, p 2827–2831. https://doi.org/10.1109/ICEEOT.2016.7755213

Akan tetapi, survei-survei tersebut belum benar-benar membahas tentang bagaimana metode-metode penelitian dan topik-topik terhubung satu sama lain, serta bagaimana perubahan yang terjadi dari waktu ke waktu. 

Pada tahun 1983, Callon dkk memperkenalkan analisis kata bersama (co-word analysis). Ini adalah cara untuk menunjukkan seberapa eratnya gagasan-gagasan dalam teks saling terkait. Dengan melihat seberapa sering kata-kata tertentu muncul bersama dalam makalah-makalah penelitian, kita bisa mengetahui apa ide-ide utamanya. 

Sementara itu, Deng, dkk. di tahun 2021, mempelajari bagaimana ide-ide ini berubah seiring waktu membantu kita memahami bidang penelitian yang penting.

Ini sangat membantu bagi para peneliti baru, membimbing mereka, membantu mereka menghindari pengulangan penelitian yang sudah ada, dan memungkinkan mereka melihat arah kemajuan penelitian (Wang et al. 2012). 

• Wang ZY, Li G, Li CY, Li A (2012) Research on the semantic-based co-word analysis. Scientometrics 90(3):855–875. https://doi.org/10.1007/s11192-011-0563-y

Dalam artikel ini penulis ingin mengisi kekurangan dalam penelitian sebelumnya, penulis menggunakan analisis kata bersama dan alat lainnya untuk melihat topik-topik besar dan tren-tren dalam analisis sentimen.

Hal utama yang kami bagikan dalam penelitian ini adalah:

• Penulis menggunakan cara khusus untuk melihat kata-kata yang muncul bersama dan beberapa alat bantu yang berguna untuk memahami perasaan orang dalam tulisan. Kami menggunakan hal ini untuk melakukan penelitian tentang analisis sentimen dan menemukan hal-hal menarik.
• Penulis membuat peta kata-kata yang sering muncul bersama dalam judul, ringkasan, dan kata kunci makalah penelitian. Dengan melihat peta ini dan menggunakan metode khusus, kami membahas berbagai cara orang mempelajari analisis sentimen dan tentang apa yang mereka bicarakan. Kami juga melihat bagaimana hal ini telah berubah selama dua puluh tahun terakhir.
• Penulis menggabungkan gagasan-gagasan dan tren-tren paling penting yang kami temukan dalam analisis sentimen. Kami juga membicarakan bagaimana ini bisa bermanfaat dalam kehidupan nyata dan arah teknologi ini ke depan.

Pada bagian-bagian selanjutnya dibahas tentang:

• Apa yang telah ditemukan oleh orang lain dalam studi mereka tentang analisis sentimen dan memberi tahu tujuan dan cara melakukannya. 
• Penulis berusaha menjelaskan caranya melakukan penelitian ini, termasuk bagaimana mendapatkan dan melihat makalah-makalah penelitian serta menggunakan berbagai alat. 
• Penulis ingin memberitahu Anda apa yang ditemukan ketika melihat kata-kata yang muncul bersama dan bagaimana perubahannya dari waktu ke waktu. 
• Penulis juga membicarakan gagasan penting yang kami pelajari dari hal ini. 

Akhirnya, rangkuman dari berbagai hal yang dipelajari dalam penelitian ini dan bagaimana ini dapat membantu kita dalam kehidupan nyata. Tentunya penelitian ini masih jauh dari kata sempurna dan penelitian ini masih memiliki banyak kekurangan dan keterbatasan. Namun dalam tulisan ini diharapkan banyak memberikan ide-ide untuk penelitian di masa depan.

Sumber :https://syahroniwahyu.medium.com