Setiap hari, internet dibanjiri oleh miliaran data dari berbagai sumber. Informasi berbentuk teks saat ini banyak terdapat di internet dalam format forum, blog, media sosial, serta situs berisi review. Namun data tersebut adalah kategori informasi yang tidak terstruktur. Untuk memperoleh insight dari data tersebut diperlukan metode Sentiment Analysis untuk melakukan proses Unsupervised Learning dari data yang tidak terstruktur menjadi data yang lebih terstruktur.
Sentiment analysis merupakan salah satu bidang dari Natural Languange Processing (NLP) yang membangun sistem untuk mengenali dan mengekstraksi opini dalam bentuk teks. Data yang digunakan pada analisis ini menggunakan sample tweet untuk menentukan sentiment “Negative, Neutral, dan Positive”. Diharapkan hasilnya dapat digunakan untuk mendapatkan Analisa masukan yang efisien terhadap opini masyarakat dan bermanfaat untuk membuat analisis marketing, review produk, umpan-balik produk, dan layanan masyarakat.
User interface – Website
Input contoh tweet sentiment negative
Pada bagian bawah untuk melihat data berhasil terinput dengan prediksi yang sesuai
Dari hasil Analisa Sentiment Neural Network dan LSTM yang telah di deploy pada Sweegger UI memiliki accuracy training dan testing yang baik. Hasil neural network menggunakan hyperparameter gridsearch dengan training 89% dan testing 82% sedangkan untuk LSTM accuracy training diangka 90% dan testing 81%. Dapat disimpulkan sudah cukup baik untuk dapat diimplementasi menganalisa opini masyarakat mengenai produk, merek, layanan, politik, atau topik lainnya. Sehingga dapat membantu pembuatan decision maker dari insight analisa yang didapatkan sehingga memperoleh hasil yang efisien untuk membuat analisis marketing, review produk, umpan-balik produk, dan layanan masyarakat.