Survei tentang metode analisis sentimen, penerapan, dan tantangan – Intro
Sebuah artikel Dipublikasikan secara daring oleh Springer : 7 Februari 2022 lalu yang berjudul https://link.springer.com/article/10.1007/s10462-022-10144-1 ditulis oleh Mayur Wankhade, Annavarapu Chandra Sekhara Rao & Chaitanya Kulkarni
Perkembangan pesat aplikasi berbasis Internet, seperti platform media sosial dan blog, telah menghasilkan komentar dan ulasan seputar aktivitas sehari-hari. Analisis sentimen adalah langkah untuk mengumpulkan dan menganalisis pendapat, pemikiran, dan kesan orang tentang berbagai topik, produk, subjek, dan layanan. Pendapat orang dapat memberikan manfaat kepada perusahaan, pemerintah, dan individu untuk mengumpulkan informasi dan membuat keputusan berdasarkan pendapat.
Namun, prosedur analisis dan evaluasi sentimen menghadapi berbagai tantangan. Tantangan-tantangan ini menciptakan hambatan dalam menginterpretasikan sentimen secara akurat dan menentukan polaritas sentimen yang tepat. Analisis sentimen mengidentifikasi dan mengekstrak informasi subjektif dari teks menggunakan pemrosesan bahasa alami dan penambangan teks.
Artikel ini membahas gambaran lengkap metode untuk menyelesaikan tugas ini serta aplikasi analisis sentimen. Selanjutnya, itu mengevaluasi, membandingkan, dan menyelidiki pendekatan yang digunakan untuk memahami secara komprehensif kelebihan dan kekurangannya. Terakhir, tantangan dalam analisis sentimen diteliti untuk menentukan arah masa depan.
Pendahuluan
Analisis sentimen telah diterima secara luas dalam beberapa tahun terakhir, tidak hanya di kalangan peneliti tetapi juga di kalangan dunia usaha, pemerintah, dan organisasi (Sánchez-Rada dan Iglesias 2019 ).
Meningkatnya popularitas Internet telah mengangkat web ke peringkat sumber utama informasi universal. Banyak pengguna menggunakan berbagai sumber online untuk mengekspresikan pandangan dan pendapat mereka. Untuk terus memantau opini publik dan membantu pengambilan keputusan, kita harus menggunakan data yang dihasilkan pengguna untuk menganalisisnya secara otomatis. Hasilnya, analisis sentimen semakin populer di komunitas riset dalam beberapa tahun terakhir.
Analisis sentimen juga disebut sebagai analisis Opini atau Penambangan Opini. Kami telah melihat pertumbuhan baru-baru ini dalam tugas analisis sentimen. Berbagai penelitian bekerja dalam analisis sentimen (Ligthart et al.2021 ) menerbitkan ikhtisar Penambangan Opini pada tahap awal. In (Piryani et al. 2017 ) membahas topik penelitian dari tahun 2000 hingga 2015 dan memberikan kerangka kerja untuk memproses data tidak terstruktur secara komputasi dengan tujuan utama mengekstraksi pandangan dan mengidentifikasi suasana hati mereka.
Beberapa penulis survei baru-baru ini (Yousif dkk. 2019 ; Birjali dkk. 2021 ) telah menjelaskan masalah analisis sentimen dan menyarankan arah potensial. Soleymani dkk. ( 2017 ) dan Yadav dan Vishwakarma ( 2020 ) tentang klasifikasi sentimen telah diterbitkan. Topik pendeteksian spam opini dan ulasan palsu juga diselidiki.
Selain itu, Dalam karya Yue et al. ( 2019) dan Liu dkk. ( 2012 ) melakukan penelitian tentang efektivitas internet review. Penulis (Jain dkk. 2021b ) membahas aplikasi pembelajaran mesin yang menggabungkan ulasan online dalam kategorisasi sentimen, pengambilan keputusan prediktif, dan deteksi ulasan palsu.
Dalam karya Balaji dkk. ( 2021 ) melakukan pemeriksaan menyeluruh terhadap beberapa aplikasi analisis media sosial yang memanfaatkan algoritma pembelajaran mesin yang canggih.
Penulis menyajikan gambaran singkat tentang algoritma pembelajaran mesin yang digunakan dalam analisis media sosial (Hangya dan Farkas 2017 ).
Pertumbuhan situs jejaring sosial telah menghasilkan banyak bidang yang dikhususkan untuk menganalisis jaringan ini dan kontennya guna mengekstraksi informasi yang diperlukan.
Analisis sentimen berkaitan dengan memperoleh sentimen yang dikomunikasikan oleh sepotong teks dari isinya. Analisis sentimen adalah salah satu subbidang dari NLP dan, mengingat opini publik yang panjang dan termasyhur untuk pengambilan keputusan, harus ada banyak penelitian awal yang membahasnya. Namun, analisis sentimen masih terus berkembang hingga milenium baru.
Beberapa aplikasi dunia nyata memerlukan analisis sentimen untuk penyelidikan mendetail. misalnya analisis produk, menemukan komponen atau kualitas produk mana yang menarik bagi pelanggan dalam hal kualitas produk. Dalam karya Subhashini dkk. ( 2021 ) menyajikan hasil tinjauan komprehensif terhadap literatur penambangan opini kontemporer. Ini juga mencakup cara mengekstrak fitur teks dari opini yang memiliki gangguan atau ketidakpastian, merepresentasikan pengetahuan dalam opini, dan mengkategorikannya. Mowlaei dkk. ( 2020) menyarankan teknik leksikon berbasis aspek adaptif untuk klasifikasi sentimen. Para penulis menjelaskan dua strategi untuk membangun dua leksikon dinamis untuk membantu klasifikasi sentimen berdasarkan aspeknya: strategi berdasarkan statistik dan algoritma genetika.
Leksikon dinamis dapat diperbarui secara otomatis dan memberikan penilaian yang lebih tepat untuk konsep terkait konteks (Kumar dan Uma 2021 ). Untuk mengatur seluruh aspek ulasan mereka memilih sejumlah leksikon dari beberapa kamus. Analisis sentimen sebelumnya diterapkan di berbagai domain mulai dari hotel hingga maskapai penerbangan dan layanan kesehatan hingga pasar saham (Zvarevashe dan Olugbara 2018). Analisis sentimen telah diterapkan pada ulasan hotel untuk mendapatkan pemahaman yang lebih baik tentang kesukaan dan ketidaksukaan pelanggan.
Sebagai perbandingan (Valencia et al. 2019 ), ini digunakan untuk menentukan tren pasar saham dan mata uang kripto berdasarkan sentimen pasar. Penulis (Ahmad dkk. 2019a ) menganalisis tweet yang berkaitan dengan berbagai domain dan menganalisis sentimen dari tweet tersebut.
Domain layanan kesehatan mengalami lonjakan dalam penerapan analisis sentimen akhir-akhir ini, analisis opini pelanggan (Ruffer dkk. 2020 ; Park dkk. 2020 ; Cortis dan Davis 2021 ; Arora dkk. 2021 ), analisis kepuasan pelanggan hanyalah beberapa penerapannya di sektor kesehatan (Baashar dkk. 2020; Miotto dkk. 2018 ). Sektor bisnis selalu memanfaatkan analisis sentimen untuk perbaikannya. Analisis sentimen untuk berbagai aplikasi seperti manajemen reputasi, riset pasar, dan analisis pesaing, analisis produk, suara pelanggan, dll.
Berbagai masalah terkait dengan analisis sentimen dan pemrosesan bahasa alami, seperti gaya penulisan informal individu, sarkasme, ironi, dan tantangan bahasa tertentu. Ada banyak kata dalam berbagai bahasa yang makna dan orientasinya berubah bergantung pada konteks dan domain penggunaannya.
Oleh karena itu, tidak banyak alat dan sumber daya yang tersedia untuk semua bahasa. Sarkasme dan ironi adalah dua tantangan paling kritis yang akhir-akhir ini menarik perhatian para peneliti. Ada banyak perkembangan dalam mendeteksi sarkasme dan ironi dalam teks. Ada banyak tantangan dalam analisis sentimen.
Dalam karya ini kami akan menganalisis berbagai tantangan, metodologi, aplikasi, dan algoritma yang digunakan dalam analisis sentimen. Kami menyajikan tugas dengan analisis data komparatif yang ditunjukkan dalam tabel, diagram alir, dan grafik yang mudah dipahami.
Berbagai uraian singkatan yang digunakan dalam pekerjaan kami ditunjukkan pada Tabel 1 .
Menurut pemahaman kami, survei yang ada sering kali mengabaikan beberapa teknik analisis sentimen dan lebih memilih pembelajaran mesin, pembelajaran transformator, dan pendekatan berbasis leksikon.
Meskipun makalah ini juga mencakup seluruh tugas, namun makalah ini berbeda dari penelitian sebelumnya karena mencakup teknik yang paling sering digunakan. Selain itu, survei lain mempelajari analisis sentimen dari tugas tertentu, berbagai tantangan, atau berkonsentrasi pada isu tertentu, seperti ulasan produk.
Studi ini memberikan penyelidikan komprehensif mengenai analisis sentimen dengan membahas area ini dari berbagai perspektif karena mencakup berbagai komponen penelitian yang terkait dengan analisis sentimen, seperti masalah, aplikasi, alat, dan pendekatan.
Karya ini sangat bermanfaat bagi para sarjana dan pemula, karena memungkinkan mereka mengakses banyak pengetahuan tentang bidang ini dalam satu makalah. Kontribusi penting survei ini dapat diringkas sebagai berikut
- Beberapa literatur telah dianalisis untuk mendefinisikan secara menyeluruh proses analisis sentimen dan untuk mengidentifikasi teknologi terkenal untuk melakukan pekerjaan ini.
- Analisis metodologi yang tersedia untuk menentukan mana yang paling sesuai untuk aplikasi tertentu.
- Kami mengklasifikasikan dan merangkum pendekatan analisis sentimen yang sering digunakan untuk memahami teknik yang lebih mudah diakses seperti pembelajaran mesin, analisis berbasis leksikon, dan analisis hibrid.
- Meringkas manfaat dan tantangan analisis sentimen untuk mengikuti penelitian yang sedang tren saat ini.
- Setiap metode dibandingkan dengan kelebihan dan kekurangannya, menyarankan pemilihan metode tugas analisis sentimen yang tepat.
