EKSTRAKSI OPINI KONSUMEN MENGGUNAKAN TEXT MINING UNTUK REKOMENDASI PRODUK PADA E-COMMERCE

Ekstraksi opini konsumen pada e-commerce memiliki peran dalam mempengaruhi konsumen dalam proses pembelian serta dapat menjadi rekomendasi. Namun kondisi opini yang beragam dan penggunaan kata tidak baku menjadi tantangan dalam mengolah opini. Opini perlu diolah terlebih dahulu dengan menerapkan spelling normalization dan perbaikan kata slang dengan menggunakan kamus slang yang berisi daftar kata slang beserta konversinya. Opini yang telah di normalisasikan akan digunakan untuk mengekstrak opini menggunakan text mining dengan pendekatan lexicon. Pendekatan ini memerlukan kamus kata yang berisi opini beserta bobot yang bernilai 1 sampai 5 untuk opini positif dan bernilai -1 sampai -5 untuk opini negatif. Bobot yang ditemukan untuk setiap opini yang ada akan digunakan untuk menentukan klasifikasi. Penentuan klasifikasi menggunakan perbandingan maksimum bobot opini positif dengan maksimum bobot opini negatif. Klasifikasi opini yang dihasilkan adalah positif, negatif atau netral. Klasifikasi opini kemudian dibandingkan dengan klasifikasi rating untuk mengetahui tingkat keakuratan. Perbandingan menghasilkan akurasi sebesar 80,34% dengan melengkapi kamus opini.