Pengembangan Klasifikasi Opini Pada Review Produk dengan Menggunakan Pendekatan Berbasis Opinion lexicon

Kegiatan e-commerce telah semakin menjamur dalam kehidupan masyarakat saat ini, hal ini mengakibatkan proses jual-beli telah berpindah dari proses konvensional menjadi digital. Review produk menjadi salah satu cara yang digunakan pembeli untuk menggali informasi mengenai barang yang akan dibeli melalui suatu e-commerce. Tetapi hal ini menimbulkan permasalahan tersendiri untuk pembeli di mana semakin banyaknya review produk yang tersebar pada dunia maya. Maka dari itu dilakukanlah penelitian untuk menangani permasalah ini dengan melakukan proses klasifikasi review produk yang ada. Akan tetapi, dari penelitian yang telah dilakukan terdapat permasalahan pada proses klasifikasi yaitu pada polaritas opini yang mengakibatkan terdapat kata yang tertukar antara positif dan negatif dan sebaliknya yang mengakibatkan beberapa kata tidak dapat diklasifikasi. Solusi yang diberikan untuk permasalahan tersebut adalah dengan menggunakan opinion lexicon approach, di mana opinion lexicon adalah sebuah kamus yang akan digunakan untuk menemukan polaritas kata pada proses klasifikasi. Opinion lexicon yang digunakan adalah SentiWordnet dan Wordnet. Pada SentiWordNet akan menggunakan kata noun, verb, adverb, dan adjective yang akan digunakan untuk menghitung polaritas opini dengan menggunakan rumus SentiScore. Pada WordNet akan menggunakan kata noun dan verb. Rumus yang akan digunakan untuk menghitung polaritas pada WordNet adalah dengan menggunakan rumus Path distance dan Wu & palmer untuk menemukan similaritas, yang mana similaritas ini akan ditarik untuk mendapatkan nilai polaritas. Maka dengan menggunakan dua opinion lexicon ini akan didapatkan opinion lexicon mana yang lebih baik untuk diimplementasikan pada proses Klasifikasi. Maka hasil penelitian didapatkan bahwa opinion lexicon yang baik untuk digunakan pada proses klasifikasi adalah menggunakan WordNet dengan rumus Path Distance, dimana rata-rata akurasi yang ditemukan adalah 63.19% sedangakan, SentiWordNet lebih baik dalam menemukan opini dengan rata-rata 83.4 opini dari 9 dataset.