Kelompok 5

Pahmi Ardi
Arya Azhari
PERTANYAAN
KELOMPOK PEMBAHAS

1. Menurut kelompok Anda. Apakah ada kriteria aplikasi yang bisa menunjukkan
keberhasilan text mining? Dan text mining dikatakan berhasil itu ketika apa?
Tolong dijelaskan! (RIDHA NUR ZULLAEKHA 21919025)
2. Saat ini ada sekitar 20-30 perusahaan besar di Amerika yang telah memfokuskan
perusahaan mereka pada layanan sentiment analysis. Pada dasarnya, analisis
sentimen ini merupakan proses pengklasifikasian. Pertanyaan saya apakah terdapat
kesulitan dalam mengimplementasikan proses analisis sentimen ini? Serta apakah
analisis sentimen ini dapat berguna dalam dunia usaha? Jika iya, tolong berikan
penjelasan menurut kelompok anda. Dan yang terakhir, tolong berikan contoh
penerapan dari kategori penggunaan text mining. (MEGA NURANNISA HIPPY
21919016)

JAWABAN
1. Secara umum telah dijelaskan bahwa text mining adalah sebuah proses semi otomatis
untuk mengekstraksi pola (informasi yang berguna dan pengetahuan) dari sejumlah
besar sumber data tidak terstruktur. Ingat penambangan data itu adalah proses
mengidentifikasi valid, baru, berpotensi berguna, dan akhirnya dapat dimengerti pola
dalam data yang disimpan dalam database terstruktur, di mana data diatur dalam
catatan terstruktur oleh variabel kategoris, ordinal, atau kontinu. Text mining sama
dengan penambangan data karena memiliki tujuan yang sama dan menggunakan
proses yang sama, tetapi dengan teks menambang input ke proses adalah kumpulan
data tidak terstruktur (atau kurang terstruktur) file seperti dokumen Word, file PDF,
kutipan teks, file XML, dan sebagainya. Sehingga ukuran dari keberhasilan kinerja
text mining adalah dapat terjemahkannya data yang tidak terstruktur menjadi data
yang terstruktur sehinga dapa menjadi sebuah informasi dan ilmu pengetahuan yang
berguna. Sehingga dapat tercapainya tujuan bisnis sesuai dengan harapan organisasi
dari hasil penambangan teks tersebut. Ada beberapa contoh aplikasi text yang telah
berhasil dilakukan dalam beberapa bidang yang diantaranya adalah:

 Aplikasi Bidang Marketing

Text mining bisa digunakan untuk meningkatkan ‘cross-selling’ dan ‘up-selling’
dengan menganalisa data tak-terstruktur yang dihasilkan oleh ‘call-centers’. Text
yang dihasilkan oleh catatan di call-centers dan juga transkrip percakapannya
dengan pelanggan bisa dianalisa dengan menggunakan algoritma-algoritma text
mining untuk mengekstrak informasi yang baru dan bisa ditindaklanjuti tentang
persepsi pelanggan terhadap produk dan layanan pelanggan. Selain itu, berbagai
blog, review pelanggan tentang produk dan layanan perusahaan dari berbagai
situs independen, dan diskusi di forum adalah tambang emas dalam analisa
sentimen pelanggan. Kumpulan informasi yang kaya tersebut, sekali dianalisa
dengan benar, bisa dimanfaatkan untuk meningkatkan kepuasan dan keseluruhan
nilai pelanggan.
 Aplikasi Bidang Keamanan
Salah satu penerapan text mining yang terbesar dan paling terkenal dalam bidang
keamanan barangkali adalah system pengawasan ECHELON yang sangat rahasia.
Seperti rumornya, ECHELON dianggap mampu mengidentifikasi isi panggilan
telepon, faks, email, dan jenis-jenis data lainnya, dengan mengambil informasi di
tengah yang dikirim lewat satelit, jaringan telepon public, dan link microwave.
 Aplikasi Bidang Biomedis
Text mining memiliki potensi yang dahsyat dalam bidang biomedis secara umum
dan biomedik dalam hal tertentu dengan beberapa alasan. Pertama, literatur yang
sudah terbit dan terbitan-terbitan publikasi (khususnya dengan kedatangan
berbagai jurnal open source) dalam bidang ini sedang berkembang cepat secara
eksponential. Kedua, bila dibandingkan dengan kebanyakan bidang-bidang yang
lain, literatur bidang medis lebih terstandardisasi dan teratur rapi, sehingga
menjadikannya sumber informasi yang lebih mudah untuk ditambang. Terakhir,
terminologi yang digunakan dalam literatur relatif tetap sama, sehingga memiliki
ontologi yang cukup terstandardisasi. Berikut dibawah ini adalah beberapa kajian
contoh dimana teknik-teknik dalam text mining berhasil digunakan untuk
mengekstrak pola-pola baru dari literatur biomedis.
 Aplikasi Bidang Akademik
 Isu tentang text mining merupakan hal yang sangat penting bagi para penerbit
yang memiliki banyak database yang sangat besar tentang informasi yang
memerlukan ‘indexing’ untuk pencarian informasi yang lebih baik. Hal ini
memang betul dalam bidan ilmu pengetahuan, dimana informasi yang sangat
khusus seringkali berada di dalam tulisan teks. Banyak inisiatif telah diluncurkan,
seperti proposal ‘Nature’ untuk ‘Open Text Mining Interface’ (OTMI) dan
‘National Institutes of Health’s common Journal Publishing Document Type
Definition’ (DTD), yang memberikan petunjuk-petunjuk semantik bagi mesin
untuk menjawab pertanyaan-pertanyaan tertentu yang terkandung di dalam teks
tanpa menghilangkan hambatan penerbit terhadap akses publik. Institusi
akademik juga sudah meluncurkan berbagai inisiatif text mining. Sebagai contoh,
‘ National Centre for Text Mining’, suatu usaha kolaboratif antara Universitas
Manchester dan Liverpool, memberikan berbagai tool yang ‘customized’,
berbagai fasilitas penelitian, dan saran tentang text mining ke komunitas
akademik.

2. Salah satu penggunaan umum dari analisis sentimen dalam pusat kontak adalah untuk
memberikan wawasan tentang perasaan pelanggan tentang organisasi, produk,
layanan, dan layanan pelanggannya proses, serta perilaku agen individu. Data analisis
sentimen dapat digunakan di seluruh organisasi untuk membantu dalam manajemen
hubungan pelanggan, pelatihan agen, dan mengidentifikasi dan memecahkan masalah
yang mengganggu saat mereka muncul. Inti dari analisis sentimen otomatis berpusat
pada pembuatan model untuk dijelaskan bagaimana fitur dan konten tertentu.
Sehingga, tentu analisis sentimen ini bermanfaat dalam dunia bisnis karena dengan
analisis sentimen ini kita dapat melihat respon pelanggan terhadap layanan produk
yang telah kita sajikan, serta dapat melihat respon pegawai terhadap kebijakan yang
dilakukan oleh manajemen secara psikologi perasaan, sehingga dengannya dapat
menjadi pertimbangan dalam pengambilan sebuah keputusan bisnis. Sebetulnya tidak
begitu sulit dalam melakukan analisis menggunakan analisis sentimen selama kita
memahami metode yang dilakukan dalam melakukan analisa tersebut.
Pada dasarnya, analisis sentimen itu sangatlah berguna karena memberikan
peluang besar bagi bisnis untuk memahami sentimen pelanggan terhadap
suatu produk. Mereka tidak perlu lagi bersusah payah mencari dan
membaca pembahasan dari pelanggan tentang produk yang dijual karena
semuanya telah dikumpulkan melalui analisis sentimen ini. Secara
otomatis, teknik ini mampu menyortir sentimen atau koment ar di balik
sebuah percakapan media sosial hingga  review. Dari sana, bisnis bisa
melihat apa saja langkah yang bisa mereka lakukan dalam mengembangkan
bisnis lebih baik lagi. Dari perihal produk hingga layanan. Dengan begitu,
sentimen masyarakat atau pelanggan terhadap produk bisnis mereka
menjadi lebih baik pada waktu mendatang. Salah satu keunggulan dari
analisis sentimen memang mampu menghemat waktu dan tenaga.
Semuanya bisa dijalankan dengan bantuan beberapa  tools yang sudah lebih
mudah didapatkan pada saat ini melalui internet. Tapi perlu diingat bahwa
setiap tools itu sudah pasti harus bayar. Jadi Anda tidak bisa
memanfaatkan analisis sentimen secara gratis ketika menggunakan  tools.
Namun manfaat yang bisa didapatkan pun juga besar.
Selanjutnya bagaimana penerapan penggunaan text mining. Salah satu contohnya
adalah penerapan text mining pada siste klasifikasi email spam menggunakan naive
bayes. Dari penelitian yang dilakukan menghasilkan sebuah perangkat lunak
penerapan text mining pada sistem klasifikasi email spam menggunakan metode naive
bayes. Pada klasifikasi email dihitung nilai probabilitas berdasarkan kemunculan kata
yang terdapat dalam data email. pengujian keakurasian sistem ditampilkan berupa
grafik nilai keakurasian, false positif dan false negatif. Hasil uji coba menunjukkan
bahwa aplikasi ini layak dan dapat digunakan dan memiliki nilai keakurasian sistem
sebesar 89,6 %.