Analisis Sentimen Opini Pelanggan Berbasis Aspek Aplikasi Halodoc Menggunakan Metode Extra Tree Classifier

Analisis sentimen berbasis aspek difokuskan untuk meninjau kecenderungan opini terhadap suatu objek, baik itu negatif atau positif pada aspek tertentu. Analisis sentimen berbasis aspek dapat menggantikan fungsi dari survei untuk menghimpun penilaian masyarakat. Pihak yang perlu menerapkannya yaitu layanan telemedicine, lantaran pihak telemedicine dapat memajukan usahanya dari aneka macam komentar konsumen. Pada penelitian sebelumnya, analisis sentimen dengan metode Extra Tree Classifier menghasilkan akurasi sebesar 92,09% dengan tema kasus restoran. Maka dari itu penelitian ini menggunakan Extra Tree Classifier untuk analisis sentimen berbasis aspek dengan kasus layanan telemedicine. Data pada penelitian ini menggunakan ulasan aplikasi Halodoc dengan bahasa indonesia dengan kategori pelayanan, harga, sistem, dan anekdot/serbaneka. Jumlah data latih berjumlah 640 data dan data uji berjumlah 160 data. Hasil pengukuran akurasi Confusion Matrix menghasilkan akurasi sebesar 55%, Precision tertinggi menghasilkan nilai sebesar 56% untuk aspek harga dengan sentimen negatif, dan Recall tertinggi menghasilkan nilai sebesar 75% untuk aspek sistem dengan sentimen negatif. Dalam penerapannya, metode ETC memiliki kekurangan dimana membangun pohon keputusan berdasarkan nilai term yang muncul pada ulasan dan memilih term kata untuk membangun pohon keputusan secara acak yang menyebabkan terjadi kesalahan klasifikasi.