Survei tentang metode analisis sentimen, penerapan, dan tantangan – Pengumpulan data dan pemilihan fitur

Pengumpulan data

Data dapat dikumpulkan dari internet melalui web scraping, media sosial, saluran berita, situs web E-commerce, Forum, Weblog, beberapa situs web lain yang ditunjukkan pada Gambar  2 . Pengumpulan Data merupakan tahap pertama dalam Analisis Sentimen. Bergantung pada temuan analisis sentimen tugas, data teks dapat digabungkan dengan jenis data lain seperti video, audio, lokasi, dll. Beberapa sumber penting pengumpulan data adalah:

Media sosial : Data sosial mengacu pada informasi yang dikumpulkan melalui jaringan media sosial. Ini menunjukkan bagaimana konsumen berinteraksi dengan produk dengan mengakses, memposting, dan bertukar. Kajian akademis mengenai individu, kelompok dan perilaku menggunakan media sosial sebagai sumber data yang dinamis. Ini mengacu pada aplikasi Internet berbasis web atau seluler yang memungkinkan pengguna membuat, mengakses, dan memperdagangkan konten buatan pengguna.

Forum : Pengguna dapat menggunakan papan pesan untuk mendiskusikan berbagai topik, bertukar pendapat dan ide, dan meminta bantuan melalui pesan teks. Forum adalah sumber yang menarik untuk analisis sentimen karena sifat dinamis dari informasi yang dihasilkan pengguna. Selain itu, peneliti dapat melakukan analisis sentimen pada domain tertentu dengan memanfaatkan forum sebagai sumber (Korkontzelos dkk. 2016 ).

Weblog : Weblog pendek terdiri dari paragraf yang menyampaikan sudut pandang, fakta, entri buku harian pribadi, atau tautan. Bersama-sama disebut sebagai postingan, yang diurutkan secara kronologis dengan entri terbaru muncul terlebih dahulu, dalam gaya artikel penelitian (Kumar dan Teeja 2012 ). Blog merupakan sumber berharga untuk melakukan analisis sentimen pada berbagai entitas (Annett dan Kondrak 2008 ).

Situs web Electronic Commerce: Situs web Electronic Commerce di mana pengguna dapat memberikan evaluasi dan mengungkapkan pendapat mereka tentang bisnis atau organisasi tertentu. Dalam hal ini, situs web yang tidak secara khusus mengulas situs memiliki jutaan ulasan, seperti situs e-niaga yang menampilkan ulasan produk^{Catatan kaki1} atau situs ulasan profesional seperti.^{Catatan kaki2} Dalam karya Jain dkk. ( 2019 ) melakukan studi deskriptif terhadap berbagai klasifikasi layanan maskapai penerbangan.

Gambar 2

Tabel 1 Macam-macam penjelasan singkatan

Abbreviation	Description of abbreviation
NLP	Natural Language Processing
NB	Naïve Bayes
SVM	Support Vector Machine
RF	Random Forest
LR	Logistic Regression
DT	Decision Tree
LSTM	Long Short-Term Memory
Bi-LSTM	Bi-directional Long Short-Term Memory
CNN	Convolutional Neural Network
RNTN	Recursive Neural Tensor Network
RNN	Recurrent Neural Network
ANN	Artificial Neural Network
RNTN	Recursive Neural Tensor Network
AI	Artificial Intelligence
KNN	K nearest Neighbours
LDA	Latent Dirichlet allocation
ME	Maximum Entropy
LSA	Latent Semantic Analysis
CBOW	Continuous Bag of words
SG	Skip Gram
TF-IDF	Term Frequency-Inverse Document Frequency
DNN	Deep Neural Network
BoW	Bag of Words
ABSA	Aspect Based Sentiment Analysis
PoS	Parts-of-Speech
NLTK	Natural Language tool kit
DCNN	Dynamic Convolutional Neural Network
BERT	Bidirectional Encoder Representations from Transformers
MSA	Multimodal Sentiment Analysis
GPT	Generative Pre-trained Transformer
SLC	Sentence Level Classification
AR-NN	Auto-regressive Neural Network
DMN	Dynamic Memory Networks
ELMo	Embedding Language Models

Sumber

https://link.springer.com/article/10.1007/s10462-022-10144-1