Pesatnya pertumbuhan pengguna internet dan popularitas jaringan media sosial telah
menyebabkan data besar dalam opini online. Analisis pada pendapat ini sangat penting karena
dapat mengekstrak pengetahuan yang dapat menjadi dasar dalam membuat keputusan bisnis untuk
organisasi. Masalahnya adalah warga negara Indonesia berkomunikasi dalam Bahasa Indonesia
dan bahasa lokal, bukan dengan bahasa slang. Jadi model yang dibangun untuk pendapat
klasifikasi distro online di Indonesia dibagi dalam tiga kelompok besar, yaitu:
1. Target objek : Grup ini akan memberikan pengetahuan mengenai aspek distro online
mana yang paling populer dan mana yang tidak.
2. Polaritas sentiment : Kelompok ini akan memberikan pengetahuan mengenai polaritas
pendapat. Biasanya dalam kelompok ini menggunakan kata-kata kata sifat bahasa
Indonesia dan mengklasifikasikannya sebagai sentimen negatif, positif dan netral.
3. Polaritas objek target: Grup ini akan memberikan pengetahuan tentang sentimen dari
setiap aspek pada distro online.
Dalam makalah ini menggunakan metode Naive Bayes Classifier (NBC) untuk
mendapatkan sentimen dan aspek klasifikasi bisnis ritel online. Seperti yang dapat dilihat pada
table diatas, proses ini menggunakan bahasa inggris dan bahasa Indonesia dengan 3 kategori yaitu
: Positif, Negatif, dan Netral. Menggunakan metode Naïve Bayes menghasilkan tingkat akurasi
sebesar 89 %
Penghitungan sentimen acara berita adalah komponen penting dari data besar media sosial.
Ini juga telah menarik banyak penelitian yang dapat mendukung banyak aplikasi dunia nyata,
seperti pemantauan opini publik untuk pemerintah dan rekomendasi berita untuk situs web.
Dalam proses menghitung komputasi sentiment ini menggunakan bahasa inggris dengan
metode Word Emotion Association Network (WEAN) dengan 6 kategori emosi yaitu : sukacita,
cinta, kejutan, ketakutan, sedih dan kemarahan. Proses ini menghasilkan tingkat akurasi sebesar
78 %.
Jadi, dari hasil ketiga makalah diatas menunjukkan bahwa beberapa sistem dengan akurasi
tinggi tidak mengungkapkan rincian penerapan dan sistem ini independen satu sama lain. Jadi
akurasi mereka tidak dapat diperhitungkan untuk survei ini. Tetapi analisis ini menunjukkan
metode yang berbeda untuk analisis sentimen dan memungkinkan untuk melakukan lebih banyak
eksperimen dengan hal yang sama. Misalnya, jika ingin membangung suatu aplikasi yang
mengulas sebuah took, maka analisis sentiment yang bagus menggunakan metode Naïve Bayes.
Tetapi jika ingin menganalisis bagaimana reaksi seeorang terhadap suatu hal dapat menggunakan
metode Word Emotion Association Network (WEAN).
Selain analisis mengenai isi jurnal, kami juga menganalisis mengenai penulisa. Dalam
jurnal ini, ada beberapa kesalahan dalam penulisan, yaitu :
1. Komputasi sentimen untuk acara berita ini seharusnya menjadi point ketiga. Tetapi
dalam jurnal tertulis point 2, begitu juga seterusnya. Point pembahasan dalam jurnal ini
seharusnya ada 6 point.
2.
Di sini tertulis seperti pada gambar 3, padahal gambar diatas merupakan gambar 2