Konsep Sentiment Analysis data bisnis .pptx

analisis data sentiment

1. Konsep Sentiment Analysis Pengenalan konse p, data pre-processing dan simulasi pada sentiment analysis [email protected]

2. Sentiment Analysis Analisis sentimen adalah  proses menganalisis teks digital untuk menentukan apakah pesan tersebut memiliki nada emosional positif , negatif , atau netral .  Analisis ini adalah bagian dari pemrosesan bahasa alami (NLP) yang digunakan untuk memahami opini , sikap , dan emosi yang terkandung dalam teks .  Tujuan: Memahami opini publik. Meningkatkan layanan berdasarkan umpan balik. Analisis tren dan citra merek.

3. Tipe Sentiment Analysis Analisis Sentimen Berdasarkan Aspek (Aspect-Based Sentiment Analysis) : Fokus pada aspek tertentu dari produk atau layanan . Misalnya , ulasan tentang smartphone mungkin mencakup aspek seperti baterai , kamera , dan perform. Analisis Sentimen Bergradasi (Fine-Grained Sentiment Analysis):  Mengelompokkan teks ke dalam berbagai tingkat emosi , seperti sangat positif , positif , netral , negatif , dan sangat negatif Deteksi Emosi (Emotion Detection):  Mengidentifikasi emosi spesifik dalam teks , seperti kebahagiaan , kemarahan , kesedihan , dan kejutan

4. Sentimen Positif Sentimen adalah perasaan atau sikap yang terkandung dalam sebuah pernyataan atau teks. Ulasan atau pernyataan yang mengandung pujian , kepuasan , atau hal-hal baik terhadap produk , layanan , atau pengalaman . 📌 Ciri- ciri : Mengandung kata seperti : bagus , memuaskan , cepat , ramah , keren , mantap , luar biasa , recommended, suka Nada pujian , apresiasi , senang 🧾 Contoh Kalimat : "Saya sangat puas dengan layanan toko ini ." " Produk bagus , kualitas premium!" " Pengiriman sangat cepat , terima kasih !" "CS sangat ramah dan membantu ."

5. Ulasan yang berisi kritik , keluhan , ketidakpuasan , atau menyampaikan pengalaman buruk . 📌 Ciri- ciri : Mengandung kata seperti : tidak puas , lambat , rusak , buruk , kecewa , jelek , tidak membantu . Nada marah , kecewa , atau frustrasi 🧾 Contoh Kalimat : "Barang datang rusak dan tidak sesuai pesanan ." "Sangat kecewa , CS tidak bisa bantu saya ." " Pelayanan lambat dan tidak profesional ." " Kualitas produk sangat buruk ." Sentimen Negatif

6. Sentimen Netral Ulasan yang bersifat fakta , deskriptif , atau tidak mengandung emosi kuat baik positif maupun negatif . 📌 Ciri- ciri : Biasanya menyampaikan informasi tanpa opini Nada datar atau hanya laporan situasi Bisa juga mengandung kata positif dan negatif yang saling menyeimbangkan 🧾 Contoh Kalimat : "Barang sesuai deskripsi , tapi kemasan biasa saja ." " Produk datang tepat waktu , namun warnanya berbeda sedikit ." " Pelayanan oke , standar aja ." "Saya sudah menerima barangnya ." Kalimat bisa jadi ambigu . Misalnya : " Pengiriman cepat tapi kualitasnya kurang bagus ." Ini bisa netral karena ada unsur positif dan negatif bersamaan .

7. Penerapan Sentiment Analysis Pemantauan Reputasi Merek:  Perusahaan menggunakan sentimen analisis untuk memantau opini publik tentang merek mereka di media sosial dan platform online lainnya . Ini membantu mereka merespons dengan cepat terhadap krisis dan menjaga reputasi merek Peningkatan Layanan Pelanggan : Tim layanan pelanggan dapat menggunakan sentimen analisis untuk memberikan respons yang lebih personal dan sesuai dengan mood interaksi pelanggan Analisis Ulasan Produk : Sentimen analisis membantu perusahaan memahami bagaimana pelanggan merespons produk mereka , yang dapat digunakan untuk perbaikan produk dan strategi pemasaran

8. Cara Kerja Sentiment Analysis

9. Pre-Processing Sentiment Analysis Tahap Penjelasan 1. Case Folding Ubah semua teks menjadi huruf kecil. 2. Cleaning Hapus simbol, angka, HTML tag, dan karakter khusus. 3. Tokenizing Memisahkan teks menjadi kata-kata. 4. Stopword Removal Menghapus kata-kata umum yang tidak memiliki makna analitis (seperti “dan”, “yang”, dll). 5. Stemming / Lemmatization Mengembalikan kata ke bentuk dasar ( contoh : “ berlari ” → “ lari ”). Tujuan Pre-processing: Membersihkan dan menyiapkan data teks agar bisa diolah secara efektif oleh algoritma .

10. Contoh Pemahaman Sebuah perusahaan ingin menganalisis 5 ulasan pelanggan terhadap layanan dan produk mereka . Analisis dilakukan untuk mengelompokkan sentimen menjadi positif , negatif , atau netral berdasarkan kosakata tertentu . No Ulasan 1 Barang datang rusak dan tidak sesuai dengan pesanan 2 Pengiriman sangat lambat , saya kecewa sekali 3 Pelayanan buruk dan tidak membantu sama sekali 4 Cukup puas , meskipun kemasan sedikit penyok 5 Barang jelek , kualitas tidak sesuai harga dan pelayanan lambat Kamus Kata: Positif : puas Negatif : rusak , kecewa , buruk , lambat , jelek , tidak membantu , tidak sesuai

11. NO Ulasan Positif Negatif Skor Sentimen 1 Barang datang rusak dan tidak sesuai dengan pesanan -2 -2 Negatif 2 Pengiriman sangat lambat , saya kecewa sekali -2 -2 Negatif 3 Pelayanan buruk dan tidak membantu sama sekali -2 -2 Negatif 4 Cukup puas , meskipun kemasan sedikit penyok +1 -1 Netral 5 Barang jelek , kualitas tidak sesuai harga dan pelayanan lambat -3 -3 Negatif Kamus Kata: Positif : puas Negatif : rusak , tidak penyok , kecewa , buruk , lambat , jelek , tidak membantu , tidak sesuai

12. Rekapitulasi Hasil Akhir: Positif : 0 = 0% Negatif : 4 = 80% Netral : 1 = 20% 🔍 Analisis : Mayoritas ulasan mengandung keluhan terhadap produk rusak , tidak sesuai , dan pelayanan lambat / buruk . Hanya 1 ulasan yang mengandung kata positif ( puas ), dan bahkan itu pun diikuti kritik ringan . Hal ini menunjukkan bahwa kualitas layanan dan produk sedang bermasalah secara umum . Kesimpulan: Tingkat kepuasan pelanggan sangat rendah . Tindakan perbaikan mendesak dibutuhkan , terutama dalam Proses pengiriman , Kualitas produk , Respon layanan pelanggan (CS)

13. Kisi-kisi UAS Pengertian dan tujuan dari data pre-processing dan feature extraction Pengertian dan tujuan serta algoritma ( metode ) yang digunakan (data classification, clustering, association, forecasting) Kelebihan dan kekurangan algoritma ( metode ) yang telah dipelajari pada (data classification, clustering, association, forecasting) Penyimpulan dari output excel perhitungan (data classification, clustering, association, forecasting) Pengertian dan tujuan dari sentiment analysis ( penskoran sentimen positif , negative, netral ) serta Urutan data pre-processing sentiment analysis