Pengertian Singkat Tentang Analisi Sentimen Beserta Contohnya

Analisis sentimen adalah teknik untuk mengekstrak dan memahami sentimen atau perasaan positif, negatif, atau netral dari teks atau bahasa yang digunakan. Analisis sentimen sering digunakan dalam industri untuk memahami dan mengukur sentimen pengguna terhadap produk atau layanan, atau untuk memonitor reputasi merek di media sosial. Berikut ini adalah contoh analisis sentimen: Contoh 1: Teks: "Saya sangat senang dengan produk baru ini! Fiturnya sangat baik dan sangat mudah digunakan." Analisis: Sentimen positif Penjelasan: Teks ini mengekspresikan perasaan senang terhadap produk baru dan menyatakan bahwa fiturnya baik dan mudah digunakan. Contoh 2: Teks: "Aku benar-benar kecewa dengan pelayanan pelanggan. Mereka sangat lambat dan tidak efektif dalam menyelesaikan masalahku." Analisis: Sentimen negatif Penjelasan: Teks ini mengekspresikan perasaan kecewa terhadap pelayanan pelanggan yang lambat dan tidak efektif dalam menyelesaikan masalah pelanggan. Contoh 3: Teks: ...

Forecasting Bisnis - Model Trend (metode least square & metode moment)

  • Data Tidak Stationer
□ Tren

    Data yang memiliki pergerakkan sedikit demi sedikit meningkat atau menurun. karena mengalami pengaruh perubahan pendapatan, popuasi, penyebaran umur, atau pendangan budaya.

  • Model Tren
    Model Tren Linear adalah suatu tren yang diramalkan naik atau turun secara garis lurus. Ada dua jenis :

- Medode Least Square

- Metode Moment

    Model Tren Non Linear adalah suatu tren yang tidak membentuk garis lurus. Ada dua jenis:

- Model Kuadratik

- Model Ekponensial

  • Model Tren Linear
    Model Tren Linear merupakan model peramalan suatu variabel dengan menggunakan variabel bebasnya waktu. rumus untuk menghitung Forecasting : 

Y = a + bx

Dimana :

Y = nilai tren atau variabel yang akan diramalkan 

a = bilangan konstant

b = slope atau koefisien garis trend

x = indeks waktu (dimulai dari 0,1,2.........n)

    Tren dapat berupa tren naik yang disebut tren positif dan dapat pula berupa tren turun yang disebut tren negatif. Disebut tren positif apabila variabel yang diteliti (Y) menunjukkan gejala kenaikan atau menunujukkan rata-rata pertambahan. Tren negatif apabila variabel yang diteliti (Y) menunujukkan gejala semakin menurun atau menunujukkan rata-rata penurunan.

  • Metode Least Square
    Metode Least Square (kuadrat kecil) adalah metode yang digunakan untuk menentukan persamaan trend data yang mencakup analisis Time Series dengan dua kasus data genap dan ganjil. Kuadrat terkecil (least square) merupakan metode yang paling banyak dipakai untuk menentukan persamaan trend data, karena menghasilkan "line of best fit". Garis trend ini mempunyai sifat penjumlahan seluruh diviasi vertikal titik-titik data terhadap garis adalah nol. Penjumlahan seluruh kuadrat deviasi vertikal data historis dari garis adalah minimum. Garis melalui rata-rata X dan Y.

    Untuk persamaan linear, garis trend dicari dengan penyelesaian simultan nial a dan b pada dua persamaan normal berikut :

Σ Y   = n a + b Σ X

Σ XY = a Σ X + b Σ X^ (kuadrat)

    Bila titik tengah data sebagai tahun dasar, maka Σ X = 0 dan dapat dihilangkan dari persamaan diatas, sehingga menjadi :

Σ Y = n a → a = Σ Y / n

Σ XY = b Σ X^ (kuadrat) ⟶ b = Σ XY / Σ X^ (kuadrat)

  • Penentuan Nilai X
    Bila ada sejumlah periode ganjil, titik tengah periode waktu detentukan X=0, sehingga julah plus dan minus sama dengan nol (0). Seperti tabel dibah ini.

 


    Tetapi jika jumlah data adalah genap, prosedur pemberian kode seperti tabel di bawah ini :


  • Praktik perhitungan Least Square

Keterangan :

a = Σ Y / n  = 1424/16 = 89

b = Σ XY / Σ X^ = 446/408 = 1,1

Jadi, persamaan peramalan dalam bentuk Y = a +bX adalah :

Y = 89 + 1,1 X

Forecasting untuk kuartal pertama tahun 1985 adalah sebesar 98,9  unit dengan perhitungan :

Y = 89 + 1,1 (9) = 98,9

  • Metode Moment 
    Metode unutk mencari garis trend dengan perhitungan statistika dan metematika tertentu guna mengetahui fungsi garis lurus sebagai pengganti garis patah - patah yang dibentuk oleh data historis. Bila periode pertama sebagai tahun dasar X=0. Apabila pertimbangan data ganjil dan data genap ingin  diabaikan, tanpa khawatir terjadi kesalahan dalam melakukan perhitungan peramalan, maka cara berikut ini dapat menjadi pilihan. Untuk mendapatkan nilai a dan b, rumus yang digunakan adalah :

a = (ΣY ΣX^ - ΣX ΣXY) / (n. ΣX^ - (ΣX)^)
b = (n. ΣXY - ΣX ΣY) / (n. ΣX^ - (ΣX)^)


Contoh :


    Apabila cara ini yang dipilih, maka untuk mendapatkan nilai a dan b, rumus yang digunakan adalah :
a    = (ΣY ΣX^ - ΣX ΣXY) / (n. ΣX^ - (ΣX)^) 
a    = (222(30) - 10(441)) / (5(30) - (10)^2)     
     = 45
b    = (n. ΣXY - ΣX ΣY) / (n. ΣX^ -(ΣX)^)
b    = (5(441) - 10(222)) / (5(30) - (10)T^2)
     = -0,3
Y = a + bX
Y = 45 - 0,3X > 45 - 0,3(5) > 45 - 1,5 > 43,5

  • Tren Non Linear
    Trend kuadratik merupakan trend yang nilai variabel tak bebaskan naik atau turun secara linier atau terjadi parabola bila datanya dibuat plot (hubungan variabel dependen dan independen).
Persamaan Trend Kuadratik : 
Y = a + bX + cX^

Keterangan :
Y = nilai trend yang diproyeksikan
a,b,c = konstanta (nilai koefisien)
X = waktu (tahun)

Rumus 1 :
Dengan menggunakan rumus tiga persamaan normal :

ΣY     = n. a + b ΣX + c ΣX^2
ΣXY     = a ΣX + b ΣX^2 + c ΣX^3
ΣX^2Y    = a ΣX^2 + b ΣX^3 + c ΣX^4

a = ((ΣY ΣX^4) - (ΣX^2Y  ΣX^2)) / (n ΣX^4 - (ΣX^2)^2)
b = ΣXY / ΣX^2
c = n (ΣX^2Y) - (ΣX^2) (ΣY) / n (ΣX^4) - (ΣX^2)^2

  • Tren Eksponensial
Adalah suatu trend yang mempunyai pangkat atau eksponen dari waktunya. Bentuk persamaan eksponensial dirumuskan sebagai berikut :
Y' = a (1+b) pangkat X → In
Y' = a.b pangkat X → log

Rumus 1 --> LOG :
log Y' = log a + x log b
log a = Σ log Y / n
log b = Σ (x. log Y) / Σ X^2

Rumus 2 --> LN :
Y' = a (1 + b) pangkat X
LN Y' = Ln a + X Ln (1+b)
sehingga a = anti In (Σ LnY)/n
                b= anti In Σ (X. LnY)-1 / ΣY^2




>>>>> Semoga Bermanfaat <<<<<

Komentar