Sekarang ini, banyak perusahaan yang menggunakan internet sebagai sarana
untuk berbisnis layaknya belanja
online
. Tidak hanya digunakan untuk berjualan
barang, tetapi internet juga bisa digunakan untuk melihat tanggapan pelanggan
terhadap sebuah produk dari perusahaan melalui ulasan yang diberikan oleh
pelanggan. Untuk dapat mengolah ulasan tersebut pada level fitur dibutuhkan
sentimen analisis berdasarkan fitur.
Permasalahan yang sama telah dikerjakan
pada[8,9] dengan domain fitur pada barang elektronik dan menggunakan metode
CBA (
Classification Based on Association
) pada ekstraksi fitur. Pada tugas akhir ini
domain yang digunakan adalah film. Metode yang digunakan adalah Algoritma
Apriori dilengkapi dengan
p-support pruning
untuk ekstraksi fitur dan orientasi
opinion words
dengan kamus
SentiWordNet
untuk klasifikasi sentimen. Hasil dari dua
proses tersebut akan digunakan pada proses
summarization.
Hasil dari percobaan
pada ekstraksi fitur menunjukan nilai
precision
lebih tinggi daripada nilai
recall.
Hal
ini menunjukan bahwa sistem menghasilkan sedikit fitur yang sebagian besar
merupakan relevan fitur dengan manual fitur, tetapi banyak juga relevan fitur yang
hilang. Sedangkan h
asil dari percobaan pada klasifikasi sentimen menunjukan, bahwa
secara keseluruhan performansi berada diatas 80% dan untuk metode orientasi
opinion words
bekerja dengan baik sebesar 78%. sentimen analisis, level fitur, SentiWordNet, apriori