Analisis sentimen merupakan teknik analisis data yang bertujuan untuk mengetahui dan memahami sentimen yang terkandung dalam teks, seperti tweet, ulasan produk, atau postingan media sosial lainnya. Dalam praktiknya, sentimen analisis sering digunakan untuk mengukur tanggapan pengguna terhadap suatu produk, layanan maupun kebijakan. Misalnya, dengan menganalisis ulasan produk, perusahaan dapat mengetahui apakah produk mereka disukai atau tidak oleh pelanggan dan faktor-faktor apa yang mempengaruhi persepsi mereka terhadap produk tersebut. Selain itu, sentimen analisis juga dapat digunakan untuk memantau opini publik tentang sebuah kebijakan maupun isu-isu tertentu di media sosial.
Dulu, analisis sentimen dilakukan dengan cara manual yang melibatkan banyak orang untuk membaca dan menilai teks secara manual atau dengan melakukan survey. Cara ini selain sangat mahal dan lama juga rentan terhadap human error. Namun, dengan perkembangan teknologi, sentimen analisis dapat dilakukan dengan cepat dan real-time dengan bantuan kecerdasan buatan.
Pada artikel ini, kita akan melakukan sentimen analisis pada teks Bahasa Indonesia dengan menggunakan transformer based pre-trained models yang dibuat berdasarkan Indonesian pre-trained models (IndoBERT)[1] yang disempurnakan dengan menggunakan sentence-level sentiment analysis dataset[2].
Pertama, buka jupyter notebook / google colab / tools favorit kalian kemudian Install transformers apabila belum punya dengan menjalankan perintah !pip install transformers
Kemudian ketikkan kode berikut ini:
import transformers
from transformers import pipeline
pretrained_name = "hanifnoerr/Fine-tuned-Indonesian-Sentiment-Classifier"
sentimen = pipeline(tokenizer=pretrained_name, model=pretrained_name)
kalimat = "buku ini jelek sekali"
sentimen(kalimat)
kode diatas akan mendownload pre-trained model untuk analisis sentimen bahasa indonesia, kemudian membuat fungsi ‘sentimen‘ dimana fungsi tersebut akan melakukan analisis sentimen terhadap kalimat yang diberikan kepadanya. Dalam kode diatas, fungsi ‘sentimen‘ akan menentukan sentimen dari kalimat ‘buku ini jelek sekali‘ . Setelah dijalankan, fungsi sentimen tadi akan memberikan output [{'label': 'negative', 'score': 0.9996247291564941}] .
Gimana, mudah bukan? hanya dengan beberapa baris code saja langsung bisa mendapatkan sentimen dari sebuah kalimat.
Referensi
- Wilie, B., Vincentio, K., Winata, G. I., Cahyawijaya, S., Li, X., Lim, Z. Y., Soleman, S., Mahendra, R., Fung, P., Bahar, S., & Purwarianti, A. (2020). IndoNLU: Benchmark and Resources for Evaluating Indonesian Natural Language Understanding. ArXiv. /abs/2009.05387
- Ayu Purwarianti, & Ida Ayu Putu Ari Crisdayanti (2019). Improving Bi-LSTM Performance for Indonesian Sentiment Analysis Using Paragraph Vector. In Proceedings of the 2019 International Conference of Advanced Informatics: Concepts, Theory and Applications (ICAICTA) (pp. 1–5).