Data ulasan suatu produk sangat penting untuk konsumen yang ingin membeli sebuah produk dan untuk produsen yang ingin melihat tanggapan konsumen. Banyaknya data ulasan menyebabkan sulitnya menyaring informasi maka dibutuhkan sistem otomatis yang dapat mendeteksi kecenderungan dari ulasan, apakah bersifat positif atau negatif. Pada penelitian analisis sentimen yang telah dilakukan pada tugas akhir sebelumnya [8] khususnya pada bagian klasifikasi masih dapat untuk dikembangkan dengan menambahkan beberapa fitur ciri yang dapat menambah informasi classifier. Pada tugas akhir sebelumnya [8] masih belum terdapat fitur ciri semantik yang dapat menambah informasi fitur produk yang memiliki makna semantik dan belum terdapat informasi fitur ciri negasi yaitu kata yang dapat mengubah orientasi fitur produk yaitu dari positif ke negatif atau dari negatif ke positif.
Pada tugas akhir ini menawarkan solusi untuk menangani masalah yang dipaparkan di atas yaitu dengan menggunakan metode Semantic role labeling dan Negation handling. Setelah dilakukan penelitian penggunaan metode semantic role labeling dan negation handling dapat disimpulkan pada penggunaan semantic role labeling sebagai salah satu fitur berpengaruh ketika menggunakan dataset Nikon Coolpix dan Apex Dvd Player karena pada pada Nikon Coolpix memiliki variasi karakteristik data yang hampir mirip dengan Apex Dvd Player, Sedangkan tidak berpengaruh ketika menggunakan dataset Canon G3, Nokia 6610 dan Zen Mp3 Player yang memiliki karakteristik data dengan variasi data yang kurang baik untuk dikombinasikan dengan fitur semantic role labeling. Maka pengaruh dari akurasi bergantung pada karakteristik data dari fitur ciri semantic role labeling seperti yang telah dipaparkan pada tabel L – 0 – 12 dan tabel L – 0 – 13. Penggunaan negation sebagai salah satu fitur konsisten dapat meningkatkan akurasi pada setiap dataset yang memiliki karakteristik berbeda-beda, peningkatan rata-rata 1,07%.
Kata Kunci: Klasifikasi, Negation handling, Semantic role labeling, Random Forest