Sentiment analysis, atau analisis sentimen, adalah proses mengenali sikap atau emosi dalam teks: apakah penulis menyukai, tidak menyukai, atau netral terhadap sesuatu. Untuk bisnis, teks itu bisa berupa komentar media sosial, ulasan, berita, atau percakapan layanan pelanggan.
Tingkatan analisis sentimen
- Tingkat dokumen: satu label untuk seluruh teks. Sederhana, tetapi kasar untuk ulasan panjang.
- Tingkat kalimat: setiap kalimat diberi label. Lebih rinci, tetapi belum tahu sentimen itu ditujukan ke apa.
- Tingkat entitas: sentimen terhadap brand tertentu. Penting saat satu teks menyebut beberapa brand.
- Tingkat aspek: sentimen terhadap bagian tertentu, seperti harga atau pengiriman. Paling berguna untuk keputusan.
Contoh: "Rasanya enak banget, tapi ongkirnya kemahalan dan kurirnya lama." Di tingkat dokumen, hasilnya mungkin netral atau campuran. Di tingkat aspek, terlihat jelas: produk positif, harga pengiriman negatif, kecepatan pengiriman negatif.
Metode yang umum dipakai
| Metode | Cara kerja | Kelebihan | Keterbatasan |
|---|---|---|---|
| Leksikon / kamus kata | Menghitung kata positif dan negatif | Transparan, murah | Lemah pada konteks, slang, dan sindiran |
| Machine learning klasik | Model dilatih dengan contoh berlabel | Lebih akurat untuk domain tertentu | Butuh data latih; kurang lentur untuk topik baru |
| Model bahasa modern | Memahami konteks kalimat secara lebih luas | Lebih baik pada nuansa, aspek, dan alasan | Tetap bisa keliru; perlu tinjauan dan biaya komputasi |
Tantangan khusus bahasa Indonesia
- Singkatan dan slang: "gpp", "bgt", "mantul", "zonk".
- Campur bahasa: Indonesia, Inggris, dan bahasa daerah dalam satu kalimat.
- Sindiran: "Hebat ya, CS-nya bales setelah tiga hari."
- Negasi: "nggak jelek", "bukan nggak suka".
- Kata bermakna ganda: "gila" atau "parah" bisa pujian maupun keluhan.
Karena itu, uji alat analisis sentimen dengan data brand Anda sendiri, bukan hanya contoh demo.
Penerapan di tiap fungsi bisnis
- Marketing: mengukur respons kampanye dan persepsi harga.
- Produk: menemukan fitur yang paling disukai dan paling dikeluhkan.
- Customer care: memprioritaskan keluhan dengan emosi kuat atau ancaman pindah.
- PR: membaca nada liputan media dan reaksi publik terhadap pernyataan.
- Manajemen: memantau kesehatan reputasi dari waktu ke waktu.
Membaca angka sentimen dengan benar
- Porsi netral yang besar itu wajar. Banyak mention berupa informasi, pertanyaan, atau promosi.
- Tren lebih penting daripada angka tunggal. Bandingkan dengan baseline brand sendiri.
- Jangan membandingkan angka antaralat tanpa memeriksa definisi dan sumbernya.
- Lihat contoh teks di balik angka sebelum mengambil keputusan.
Sentiment analysis di Aksara
Aksara menganalisis sentimen terhadap brand, aspek, dan emosi, bukan hanya nada kalimat. Sistem juga mendeteksi niat keluhan, niat beli, ancaman pindah, sarkasme, dan tingkat krisis beserta alasannya. Analis dapat meninjau dan mengoreksi hasilnya agar angka yang dilaporkan dapat dipertanggungjawabkan.
Artikel terkait
Analisis sentimen AI vs manual: kapan memakai masing-masing
Bandingkan analisis sentimen AI dan manual dari sisi kecepatan, konsistensi, konteks, dan biaya, lalu terapkan alur review gabungan yang praktis.
Dari sentimen pelanggan ke keputusan bisnis: alur kerja yang bisa diterapkan
Tujuh langkah mengubah sentimen pelanggan menjadi keputusan: kelompokkan per aspek, cari akar masalah, tentukan pemilik, ambil tindakan, dan ukur ulang hasilnya.
Cara memantau reputasi brand di media sosial
Langkah memantau reputasi brand di media sosial: komponen yang diukur, baseline, perbedaan tiap platform, ulasan Google, matriks respons, dan laporan bulanan.