Ide kami dari lab. Social Computing dan Big Data (SCBD) berasal dari pertanyaan sederhana yaitu, “bagaimana membuat ringkasan dokumen / percakapan yang jumlah/skalanya sangat besar?”. Saat ini dengan mudah kita mendapatkan data jutaan tweet tentang suatu produk (lihat cara ini untuk mengambil tweet). Kemudian bisnis / perusahaan berkeinginan untuk membaca apa yang pelanggan bicarakan tentang produk mereka. Tentu saja membaca jutaan tweet tidaklah mudah dan mungkin membutuhkan waktu lama. Oleh karena itu perlu suatu metodologi baru untuk membuat ringkasan mengenai dokumen yang jumlahnya sangat banyak tersebut.
Saat ini praktek yang sering dilakukan untuk meringkas dokumen adalah dengan menggunakan wordcloud, yaitu daftar kemunculan kata kata berdasarkan seberapa sering kata itu muncul, semakin sering suatu kata muncul maka ukuran kata tersebut menjadi besar / dominan. Contoh wordcloud bisa googling disini. Problem dari wordcloud adalah sulitnya membuat kesimpulan, karena tidak adanya hubungan antara kata kata tersebut, sehingga konteks atau rasa kalimat tidak tertangkap. Pendekatan lain adalah menggunakan usaha usaha seperti sentiment analysis untuk menilai sentiment / rasa / opini orang terhadap suatu produk. Hasil sentiment analysis akan jauh lebih akurat, akan tetapi prosesnya lama, sehingga tidak mungkin untuk menganalisa jutaan tweet (Big Data).
Minggu lalu hasil riset kami tersebut dipresentasikan di konferensi ICOICT2016. Ada dua paper yang kami tampilkan satu mengenai studi kasus di bidang telekomunikasi (bisnis), dan satu lagi tentang pilkada (politik). Judul paper kami adalah “Network Text Analysis to Summarize Online Conversations for Marketing Intelligence Efforts” dan “Word Association Network Approach for Summarizing Twitter Conversation about Public Election” . Saya akan bahas yang studi kasus bidang bisnis saja di entry blog ini. Hasil jejaring teks untuk masing masing operator seluler bisa dilihat di gambar dibawah ini.
Telkomsel
XL
Indosat
Oh yah sebelum membahas hasil riset ini, kami tidak berasosiasi atau meminta ijin kepada provider provider seluler yang disebutkan diatas. Penggunaan brand diatas semata mata karena ketiga brand tersebut yang terbesar di Indonesia (bisa cek Top Brand Awards 2016 kategori Telekomunikasi/IT) . Dan dalam penelitian ini tidak fokus membahas kelebihan dan kekurangan masing masing provider. Yang kami lakukan adalah bereksperimen dengan metode menggunakan data data yang tersedia bebas di Internet (Twitter) dan kemudian menceritakannya kembali (secara garis besar). Jumlah tweet yang kami ambil juga belum mencapai skala jutaan, baru dalam jumlah 75ribu tweet per masing masing provider.
Cerita dari Telkomsel adalah konsumer melihat produk Paket Internet Tau sebagai produk yang murah dan valuable, beberapa keluhan muncul tentang koneksi internet yang lambat, dan secara keseluruhan sentimen positif masih lebih besar dari sentimen negatif. XL mempunyai dua kelompok utama kata kata, yaitu kelompok pertama mengenai informasi produk paket internet dengan kata kata “internet”, “hotrod”, “kartu”, “paket” dan grup kedua mengenai keluhan keluhan yang muncul melalui kata kata “kecewa, “penipuan”, “keluhan”, “lambat”, “mahal”. Indosat mempunyai kata kata dominan “sinyal”, “internet”, “gangguan” yang menceritakan bagaimana sentimen negatif konsumen tentang layanan mereka.
Kesimpulan sementara kami adalah metode ini cukup cepat dan efisien untuk meringkas data data (yang tidak terstruktur) dan berukuran besar (Big Data). Untuk melihat detail papernya, tunggu publish paper lengkapnya nanti di IEEE, Academia.edu atau di Researchgate