Seiring dengan meluasnya penggunaan internet dalam mengakses suatu informasi, menuntut pengguna untuk lebih selektif dalam memilih informasi yang tepat.Begitu halnya dalam mencari informasi sebuah produk,pengguna tidak hanya melihat spesifikasi yang cocok melainkan melihat berbagai opini produk tersebut dari pengguna lain.Opini ini yang biasanya menjadi bahan rujukan untuk mengambil keputusan.Permasalahan yang ada ialah,banyaknya opini membutuhkan waktu yang lama untuk memilahnya,salah satu solusinya ialah dengan penggunaan opinion mining.
Opinion Mining bertujuan untuk mengekstrak atribut dan komponen dari objek yang telah dikomentari pada setiap dokumen dan untuk menentukan apakah komentar tersebut positif, atau negatif. Salah satu metode pada Opinion Mining adalah Reqursive Least Squares Back Propagation (RLS-BP). Dalam Tugas Akhir ini, proses pembobotan dataset dengan memanfaatkan nilai dari kamus sentiwordnet berbahasa Indonesia. Pembobotan dengan kamus sentiwordnet menghasilkan hasil bobot positif dan negative dari sebuah opini. Pembobotan tersebut digunakan untuk menjadi input dari algoritma RLS-BP . Hasil evaluasi menunjukkan algoritma RLS-BP mampu menyelesaikan permasalahan opinion mining ini.
opinion mining, Reqursive Least Squares Back Propagation, sentiwordnet