Cara Cepat Analisis Sentimen Data Twitter Menggunakan Excel
Assalamualaikum Wr. Wb, Salam Rahayu Wilujeng dan Salam Budaya.
Analisis sentimen adalah cara yang ampuh untuk memahami informasi. Inilah cara anda dapat menggunakan Excel untuk mendapatkan wawasan tentang data anda. Kamu bisa menggunakan Ms. Excel untuk menentukan analisis sentimen dasar pada teks. Hasilnya akan menunjukkan tren yang tersembunyi di dalam data.
Analisis sentimen biasa digunakan untuk manajemen pemasaran, dapat memantau reputasi merek dari waktu ke waktu. Yang pada umumnya untuk menentukan nilai dari survei yang telah dilakukan.
Metode analisis sentimen yang dibahas dalam artikel ini akan menggunakan pembelajaran mesin atau dalam bahasa lainnya adalah machine learning untuk menilai teks dan mengklasifikasikannya sebagai nilai positif, negatif dan netral.
Mengapa Analisis Sentimen ini dibutuhkan ?
Bagi sebagian orang yang membangun sebuah brand produk, bekerja di bidang pemasaran atau politik, atau sedang melakukan penelitian, serta memahami sentimen emosional mengenai subjek tertentu adalah sebuah kebutuhan profesional.
Analisis sentimen dapat membantu mereka. Meskipun tidak akan sepenuhnya menggantikan data survei, wawancara dan penilitian lainnya, namun Analisis Sentimen adalah alat yang solid untuk kamu pelajari.
Namun mengapa ?, karena di hampir semua situasi dimana kamu memiliki sejumlah besar data tidak terstruktur, analisis sentimen bekerja paling baik ketika sejumlah besar data dianalisis.
Dalam contoh kamu bisa menganalisis ribuan tweet yang berisi hashtag tertentu yang akan memberimu hasil yang bermanfaat.
Mungkin kasus lain yang bisa kamu pelajari adalah tentang menganalisis ulasan produk, meninjau survei pelanggan dan mengungkap krisis hubungan masyarakat. Selain itu, analisis sentimen juga memungkinkan kamu utnuk melacak bagaimana sikap pelanggan terhadap perusahaan atau toko kamu yang berubah dari waktu ke waktu.
Bagaimana Cara Menerapkan Analisis Sentimen di Excel ?
Beberapa platform pemantauan media sosial meneyertakan analisis sentimen sebagai dari metode analisis mereka. Juga biasa diterapakna analisis sentimen pada teks menggunakan bahasa pemrograman seperti Pyhton. Namun tentu opsi ini memerlukan anggaran yang signifikan untuk membelinya dan mempunyai keahlian coding jika ingin membangunnya sendiri.
Namun ada solusi lain yaitu menggunakan aplikasi yang sudah sangat terkenal di kalangan para analis, yaitu Microsoft Excel. Iya, ini adalah pilihan baik untuk melakukan analisis sentimen fundamental atau dasar.
Cara Melakukan Anaslisis Sentimen di Microsoft Excel.
Yuk ikuti langkah-langkah ini untuk mencoba analisis sentimen dengan excel tanpa menulis kode-kode. Dan kamu hanya dengan menggunakan Excel kemudian menambah fitur add-in Azure bergantung pada algoritma pemrosesan bahasa alami dan kamu umum dengan kata-kata positif dan negatif. Setiap kata dalam leksikon diberi nilai positif, netral atau negatif.
Cara Menambah Add-in Azure Machine Learning
1. Klik menu Insert, Group Add-ins - Pilih Get Add-ins
2. Pada kolom pencarian tuliskan Azure Machine Learning - Add
3. Setelah terinstal, add-in Azure Machine Learning akan memunculkan kotak di sisi kanan layar.
Cara Menggunakan Azure Machine Learning
Kemudian untuk header kamu beri nama tweet_text
Kemudian kamu fokus ke sisi kanan layar yang menunjukkan azure machine learning
- Kamu akan melihat dua opsi: Titanic Survivor Predictor dan Text Sentiment Analysis.
- Kamu pilih Text Sentiment Analysis
- Buka Predict - Input, lalu tambahkan rentang tempat data yang ingin kamu analisis.
- Biarkan my data has headers tetap tercentang
- Tentukan output dimana kolom yang akan kamu sisipkan hasilnya
- Tekan Predict - biarkan dia menganalisis sendiri
Kesimpulan
- Segmentasi klasifikasi dengan membuat Pivot Table di Excel
- Kamu dapat memvisualisasikan data dari masing-masing Positif, Negatif atau Netral.
- Jika kamubertanggung jawab atas manajemen reputasi di perusahaan atau merek, kamu mungkin ingin berfokus pada pemindaian semua teks yang diklasifikasikan sebagai Negatif . Apa yang membuat teks Negatif ? Apakah ada sesuatu yang perlu kamu sampaikan untuk mengatasi masalah tersebut.