Analisis sentimen memiliki banyak penerapan, mulai dari menganalisis opini pelanggan, menganalisis status kesehatan mental pasien berdasarkan postingan yang dilakukan di media sosial. 

Selain itu, kemajuan teknologi seperti Blockchain, IoT, Cloud Computing, dan Big Data telah memperluas jangkauan aplikasi Analisis Sentimen, sehingga memungkinkannya digunakan dalam hampir semua disiplin ilmu. Beberapa aplikasi yang paling sering digunakan dalam analisis sentimen ditunjukkan pada Gambar  8 . 

Beberapa domain dan industri penting yang menerapkan Analisis Sentimen dijelaskan di bawah ini:

Gambar 8.

Analisis bisnis

Analisis sentimen di bidang intelijen bisnis menawarkan beberapa manfaat. Selain itu, perusahaan dapat memanfaatkan data analisis sentimen untuk meningkatkan produk, menyelidiki umpan balik klien, dan mengembangkan strategi pemasaran yang inovatif. Penggunaan analisis sentimen yang paling umum dalam bidang intelijen bisnis adalah menganalisis kesan pelanggan terhadap layanan atau produk. 

Namun studi-studi ini tidak terbatas pada produsen produk saja; konsumen dapat menggunakannya untuk meninjau item dan membuat keputusan yang lebih tepat. Analisis sentimen dalam intelijen bisnis memiliki berbagai manfaat. Misalnya, Bisnis dapat menggunakan hasil Analisis Sentimen untuk melakukan peningkatan produk, memeriksa masukan konsumen, atau mengembangkan rencana pemasaran baru (Han et al. 2019). 

Analisis sentimen paling sering digunakan dalam intelijen bisnis untuk menguji persepsi pelanggan terhadap produk atau layanan. Namun analisis ini tidak terbatas pada produsen produk saja; konsumen juga dapat menggunakannya untuk membandingkan item dan membuat pilihan yang lebih tepat. Selama delapan tahun, (Bose dkk. 2020 ) ulasan makanan layanan di amazon.com. 

Leksikon emosi, yang mengklasifikasikannya menjadi delapan emosi berbeda dan dua suasana hati (positif dan negatif). Mereka menemukan bahwa analisis sentimen dapat digunakan untuk mengidentifikasi perilaku dan bahaya pelanggan serta meningkatkan kepuasan pelanggan.

Ada beberapa faktor yg mempengaruhi analisis bisnis diantarnya :

Ulasan produk

Seiring berkembangnya bisnis e-commerce, jumlah produk yang terjual dan ulasan yang diberikan dari pelanggan juga meningkat. Analisis sentimen salah satunya akan membantu pelanggan memilih produk yang lebih baik (Paré 2003 ). 

Analisis sentimen tingkat frase atau tingkat aspek (Schouten dan Frasincar 2015 ) dilakukan pada ulasan produk. Analisis sentimen dapat mengetahui apa yang dipikirkan pelanggan tentang produk terbarunya setelah meluncurkan atau memeriksa komentar dan ulasan. 

Kata kunci untuk fitur produk tertentu (makanan, layanan, kebersihan) dapat dipilih, dan kerangka analisis sentimen (Mackey dkk. 2015 ) dapat dilatih untuk mengidentifikasi dan menganalisis informasi yang diperlukan saja.

Riset pasar dan analisis pesaing

Riset pasar mungkin merupakan aplikasi analisis sentimen yang paling umum, selain pemantauan citra merek dan penyelidikan opini konsumen. Tujuan dari analisis sentimen adalah untuk menentukan siapa yang muncul di antara pesaing dan bagaimana perbandingan kampanye pemasaran. 

Hal ini dapat digunakan untuk memperoleh gambaran lengkap tentang basis konsumen suatu merek dan pesaingnya dari awal. Analisis sentimen dapat mengumpulkan data dari beberapa platform Twitter, Facebook, blog, memberikan hasil nyata, dan mengatasi kesulitan dalam intelijen bisnis.

Bidang kesehatan dan medis

Ini adalah salah satu industri di mana analisis sentimen digunakan belakangan ini. Data dapat dikumpulkan dari berbagai sumber seperti survei, Twitter (Carvalho dan Plastino 2021 ), blog, artikel berita, review, dll.

Data ini kemudian dapat dianalisis untuk berbagai kasus penggunaan, salah satunya adalah evaluasi standar dan analisis produk baru. pembaruan di bidang medis. Pakar domain melakukan penelitian secara aktif untuk menemukan lebih banyak kegunaan analisis sentimen dan aplikasi NLP lainnya (Ebadi et al. 2021 ). 

Aplikasi ini membantu penyedia layanan kesehatan mengumpulkan dan mengevaluasi suasana hati pasien, epidemi, reaksi obat yang merugikan, dan penyakit untuk meningkatkan layanan kesehatan. 

Dalam karya Jiménez-Zafra dkk. ( 2019) menunjukkan kesulitan dalam menerapkan analisis sentimen dalam layanan kesehatan karena terminologi spesifik dan unik yang digunakan dalam domain tersebut. 

Dalam karya Clark et al. ( 2018 ) menggunakan tweet Twitter mengenai pengalaman pasien sebagai tambahan untuk menganalisis kesehatan masyarakat. Selama setahun, mereka menghasilkan sekitar lima juta tweet terkait kanker payudara menggunakan Streaming API Twitter. Setelah pra-pemrosesan, tweet diklasifikasikan dengan pengklasifikasi LR standar dan model CNN. Pengalaman pengobatan yang positif, menggalang dukungan, dan memperluas kesadaran masyarakat semuanya terkait. Kesimpulannya, menerapkan analisis sentimen untuk menganalisis data yang dihasilkan pasien di media sosial dapat membantu menentukan kebutuhan dan pandangan pasien.

Manajemen reputasi

Penerapan analisis sentimen di beragam pasar adalah pemantauan merek dan manajemen reputasi. Mengevaluasi bagaimana pelanggan memandang merek, produk, atau layanan mereka bermanfaat bagi perusahaan mode, agen pemasaran, perusahaan IT, jaringan hotel, saluran media, dan bisnis lainnya. 

Alat analisis sentimen menambahkan lebih banyak variasi dan kecerdasan pada penggambaran merek dan produknya. Hal ini memungkinkan bisnis untuk melacak bagaimana pelanggan memandang merek mereka dan menyoroti data yang tepat tentang sikap mereka. 

Carilah tren dan perubahan, dan perhatikan presentasi influencer. Secara keseluruhan, analisis sentimen dapat digunakan dalam mengotomatisasi sistem pengawasan media serta sistem alarm yang menyertainya. Pantau terus diskusi dan penilaian merek di berbagai platform media sosial.

Analisis tinjauan

Analisis sentimen banyak digunakan dalam domain Hiburan. Review film, tayangan, dan film pendek dapat dianalisis untuk mengetahui tanggapan penonton (Kumar dkk. 2019 ). 

Hal ini tidak hanya membantu pemirsa membuat pilihan yang lebih baik tetapi juga membantu konten bagus mendapatkan popularitas. 

Tingkat kalimat (Lin dan He 2009 ) Analisis Sentimen sudah umum digunakan dalam domain ini untuk menentukan sentimen keseluruhan dari ulasan yang diberikan secara akurat. Industri perjalanan berupaya meningkatkan pengalaman klien dengan mengembangkan pembelajaran mesin dan sistem rekomendasi konsumen online berdasarkan teknik pengambilan keputusan yang cerdas dan berdasarkan data (Jain dkk. 2021f) juga membahas pengkategorian keputusan konsumen sebagai positif atau negatif berdasarkan ulasan online yang diberikan oleh konsumen yang berharga (Jain et al. 2021e ).

Ulasan pelanggan

Analisis sentimental terhadap ulasan hotel dan restoran dapat membantu pelanggan memilih dengan lebih baik dan juga membantu pemiliknya menjadi lebih baik. 

Analisis sentimen berbasis aspek yang dilakukan pada hotel dan restoran akan membantu mengidentifikasi aspek dengan ulasan positif dan ulasan negatif terbanyak, sehingga Hotel dapat bekerja dan menjadikannya lebih baik. (Sann dan Lai 2020 ; Al-Smadi et al. 2018 )

Menurut analisis sentimen, ini adalah salah satu industri yang paling menarik. Analisis sentimental terhadap ulasan hotel dan restoran dapat membantu pelanggan memilih yang lebih baik dan juga membantu pemiliknya menjadi lebih baik (Zhao et al. 2019 ). 

ABSA (Akhtar dkk. 2017) yang dilakukan pada hotel dan restoran akan membantu mengidentifikasi aspek dengan ulasan positif dan ulasan negatif terbanyak, sehingga hotel dapat bekerja dan menjadikannya lebih baik. Penyedia layanan mendapatkan keuntungan paling besar karena mereka dapat mengekstraksi aspek yang menerima umpan balik paling negatif dan memperbaikinya.

Analisis aspek

Analisis sentimen berbasis aspek dapat membantu bisnis memanfaatkan sejumlah besar data yang mereka buat secara maksimal. 

Metode berbasis aspek akan memungkinkan perusahaan untuk mengekstrak aspek terpenting dari umpan balik dan layanan klien.

Pasar saham

Salah satu penerapan analisis sentimen adalah prediksi harga saham. Hal ini dapat dilakukan dengan menganalisis semua berita tentang pasar saham dan memprediksi tren harga saham. Data dapat dikumpulkan dari berbagai sumber seperti Twitter, artikel berita, blog, dll. Analisis sentimen tingkat kalimat dapat dilakukan pada teks-teks ini, setelah itu polaritas keseluruhan teks akan ditentukan dari berita perusahaan tertentu. 

Dalam karya Xing dkk. ( 2018) digunakan untuk menentukan apakah tren akan naik atau turun. Berita positif cenderung mengarah pada tren naik, sedangkan berita negatif cenderung mengarah pada tren menurun. 

Bitcoin dan mata uang kripto digital lainnya berhubungan dengan teknologi baru yang dikenal sebagai Blockchain. Peserta dalam jaringan blockchain memverifikasi transaksi digital menggunakan metode konsensus peer to peer. 

Namun, investigasi yang menerapkan Analisis Sentimen terhadap bidang teknologi blockchain masih jarang dilakukan, dan investigasi yang memang ada, seperti penelitian di Kraaijeveld dan De Smedt (2020) , telah menggunakan analisis sentimen untuk mengantisipasi nilai mata uang kripto digital. 

Dalam karya Rognone dkk. ( 2020) menyelidiki pengaruh sentimen berita pada mata uang kripto seperti bitcoin dan volatilitas, volume, dan pengembalian mata uang standar lainnya.

Suara pelanggan

Ambil semua umpan balik pengguna dari pusat panggilan, email, survei, obrolan, dan web, lalu gabungkan dan nilai. Analisis sentimen akan memungkinkan pengkategorian dan pengorganisasian data untuk mendeteksi tren dan masalah serta kekhawatiran yang berulang. 

Analisis sentimen dapat membantu dalam mengidentifikasi kelompok pelanggan yang tepat dan pengembangan proposisi nilai selanjutnya, yang keduanya merupakan komponen penting dari operasi bisnis yang sukses. 

Di sisi lain, untuk terus memperbarui dan mempertahankan permintaan produk, perusahaan harus memperhatikan denyut nadi pelanggannya.

Pemantauan media sosial

Analisis sentimen data sosial akan memantau sentimen klien 24 jam sehari, tujuh hari seminggu, secara real-time ketika sesuatu yang tidak menyenangkan mulai beredar, yang dapat dengan cepat membalas dan meningkatkan citra ketika mendapat sebutan yang menguntungkan. 

Hal ini juga menghasilkan informasi klien yang konsisten dan dapat diandalkan, yang dapat melacak kemajuan dari musim ke musim dalam proses pengambilan keputusan. 

Karena individu memberikan komentarnya tanpa diminta, postingan media sosial sering kali menyajikan sudut pandang paling jujur ​​mengenai produk, layanan, dan perusahaan. Mereka wajib mengungkapkan perasaannya kepada seluruh dunia.