Studi Literatur Sistematis Terhadap Pengembangan Leksikon Sentiment

  • Sherly Christina Universitas Palangka Raya, Palangkaraya, Indonesia
  • Deddy Ronaldo Universitas Palangka Raya, Palangkaraya, Indonesia
Keywords: analisis sentiment, leksikon sentiment, studi literatur sistematis

Abstract

Leksikon sentiment adalah sebuah kamus berisi istilah-istilah yang telah diklasifikasikan menurut polaritas sentiment positif, negatif dan netral. Biasanya istilah-stilah di dalam leksikon sentiment juga dilengkapi dengan nilai bobot polaritasnya. Leksikon sentiment memiliki peranan penting dalam proses analisis sentiment. Analisis sentiment adalah proses mengklasifikasikan polaritas emosi yang terkandung dalam suatu data. Jadi, leksikon sentiment adalah pondasi yang memperkuat akurasi hasil klasifikasi oleh mesin analisis sentiment. Mengingat pentingnya peranan leksikon sentiment maka banyak penelitian yang telah mengembangkan leksikon sentiment. Penelitian ini adalah sebuah literature review mengenai pengembangan leksikon sentiment. Hasil dari penelitian ini adalah identifikasi mengenai metode-metode untuk pengembangan leksikon sentimen, masalah yang terjadi dalam pengembangan leksikon sentiment, solusi-solusi untuk mengatasi permasalahan yang terjadi, jumlah data dan sumber data yang dibutuhkan, serta pengaruh leksikon sentiment pada perfoma sistem analisis sentiment. Penelitian ini menggunakan pendekatan  systematic literature review dalam proses pelaksanaannya. Hasil dari penelitian ini dapat berkontribusi sebagai tinjauan bagi proyek pengembangan leksikon sentiment.

Downloads

Download data is not yet available.

References

F. L. Cruz, J. A. Troyano, B. Pontes, and F. J. Ortega, “Expert Systems with Applications Building layered , multilingual sentiment lexicons at synset and lemma levels,” Expert Syst. Appl., vol. 41, pp. 5984–5994, 2014.
C. Bhadane, H. Dalal, and H. Doshi, “Sentiment analysis : Measuring opinions,” in Procedia - Procedia Computer Science, 2015, vol. 45, pp. 808–814.
W. Medhat, A. Hassan, and H. Korashy, “Sentiment analysis algorithms and applications : A survey,” Ain Shams Eng. J., vol. 5, no. 4, pp. 1093–1113, 2014.
C. Bucur, “Using Opinion Mining Techniques in Tourism,” in Procedia Economics and Finance, 2015, vol. 23, pp. 1666–1673.
P. Kumar and A. Zaidi, “Evolving Sentiments towards E-Governance using Opinion Mining,” in Proceedings on International Conference on Distributed Computing and Internet Technology ICDCIT, 2015, pp. 24–27.
R. Arunachalam and S. Sarkar, “The New Eye of Government : Citizen Sentiment Analysis in Social Media,” in IJCNLP 2013 Workshop on Natural Language Processing for Social Media, 2013, pp. 23–28.
S. Christina and D. Ronaldo, “Peran Opinion Mining dan Sentiment Analysis untuk Mengidentifikasikan Sentimen Publik dalam Sistem E-Governance,” J. Teknol. Inf., vol. 10, no. 2, 2016.
F. Z. Xing, F. Pallucchini, and E. Cambria, “Cognitive-inspired domain adaptation of sentiment lexicons,” Inf. Process. Manag., vol. 56, no. 3, pp. 554–564, 2019.
R. S. Wahono, “A Systematic Literature Review of Software Defect Prediction : Research Trends , Datasets , Methods and Frameworks,” J. Softw. Eng., vol. 1, no. 1, 2015.
L. Goeuriot et al., “Sentiment Lexicons for Health-related Opinion Mining Categories and Subject Descriptors,” in IHI ’12: Proceedings of the 2nd ACM SIGHIT International Health Informatics Symposium, 2012, pp. 219–225.
C. Vania, M. I. Ibrahim, and M. Andriani, “Sentiment Lexicon Generation for an Under-Resourced Language,” Int. J. Comput. Linguist. Appl., vol. 5, no. 1, pp. 59–72, 2014.
J. Bata, Suyoto, and Pranowo, “Leksikon untuk deteksi emosi dari teks bahasa indonesia,” in Seminar Nasional Informatika 2015 (semnasIF 2015), 2015, vol. 2015, pp. 195–202.
F. Koto and G. Y. Rahmaningtyas, “InSet Lexicon : Evaluation of a Word List for Indonesian Sentiment Analysis in Microblogs InSet Lexicon : Evaluation of a Word List for Indonesian Sentiment Analysis in Microblogs,” in 2017 International Conference on Asian Language Processing (IALP), 2017.
L. Wang and R. Xia, “Sentiment Lexicon Construction with Representation Learning Based on Hierarchical Sentiment Supervision,” in Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing, 2017, pp. 502–510.
J. R. Landis and G. G. Koch, “The Measurement of Observer Agreement for Categorical Data Data for Categorical of Observer Agreement The Measurement,” Biometrics, vol. 33, no. 1, pp. 159–174, 1977.
Published
2020-10-22
Section
Articles
Abstract viewed = 112 times
PDF downloaded = 166 times