TEXT MINING SENTIMEN ANALISIS PENGGUNA APLIKASI MARKETPLACE TOKOPEDIA BERDASAR RATING DAN KOMENTAR PADA GOOGLE PLAY STORE

Abstract

Text Minig didefinisikan sebagai kegiatan intensif pengetahuan di mana pengguna berinteraksi dengan kumpulan dokumen dari waktu ke waktu dengan menggunakan sekumpulan alat analisis. Teknik penambangan data text atau text mining digunakan untuk menambang data text yang berupa kalimat, data yang tidak terstruktur tersebut kemudian diproses sehingga jadi sebuah dataset yang terstruktur. Dalam sektor bisnis apapun, feedback dari konsumen merupakan salah satu hal penting dari sebuah organsasi untuk memperoleh informasi dan keinginan dari konsumen sehingga tujuan melayani konsumen dengan baik akan tercapai. Suatu perusahaan teknologi tentunya memiliki banyak cara untuk memperoleh feedback dari konsumennya, salah satunya adalah dengan cara menganalisa komentar dan rating dari aplikasi yang mereka sediakan lewat platform store. Umpan balik dari konsumen akan mempengaruhi calon pengguna untuk menentukan keputusan akan menginstall atau tidak aplikasi tersebut. Pada penelitian ini kami menggunakan salah satu aplikasi yang disediakan oleh perusahaan teknologi penyedia jasa layanan jual beli atau marketplace Tokopedia pada platform store PlayStore. Kami menggunakan data komentar dan rating dari pengguna aplikasi tersebut untuk menganalisa sentiment dari para penggunanya dengan menggunakan beberapa cara. Cara pertama dengan model pengumpulan data dengan menambang data text dari komentar yang ada pada aplikasi yang Tokopedia yang berada di Playstore, data tersebut kami kumpulkan dengan mengambil 1000 record berdasar kelompok komentar paling relevan. Setelah data terkumpul data terebut mengalami beberapa penyesuaian sehingga yang diambil hanya dua variable yaitu komentar dan rating sedangkan data seperti tanggal dan nama pengguna kami exclude dari data. Data kemudian mengalami preprosesing sehingga rating dibawah 3 dianggap sebagai sentiment negativ dan rating 3 sampai dengan 4 dianggap sentiment positif dan kemudian dijadikan sebagai label data. Setelah preprosesing data tersebut diproses dengan menggunakan beberapa metode (tokenisasi dan filter) sehingga data text tersebut berubah menjadi sebuah dataset terstruktur yang kemudian akan dapat digunakan untuk pemodelan machine learning dan data mining sentiment analitic.   

Kata Kunci: Text Mining, Tokenisasi, Dataset, Analisa Sentimen.