A Support Vector Machine-Firefly Algorithm for Movie Opinion Data Classification

Styawati, Styawati; Mustofa, Khabib

doi:10.22146/ijccs.41302

Cited by 53 publications

(41 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Metode SVM pada penelitian terdahulu telah digunakan dalam penelitian [7] yang membahas klasifikasi data mengenai opini film. Data set yang digunakan yakni opini tentang beberapa film yang diperoleh dari masyarakat.…”

Section: Pendahuluanunclassified

Perbandingan Hasil Klasifikasi Jenis Daging Menggunakan Ekstraksi Ciri Tekstur Gray Level Co-occurrence Matrices (GLCM) Dan Local Binary Pattern (LBP)

Neneng¹,

Puspaningrum

Aldino

2021

SMATIKA

View full text Add to dashboard Cite

Daging memiliki nilai gizi tinggi yang banyak dikonsumsi oleh manusia. Kandungan yang terdapat dalam daging meliputi protein, vitamin, mineral, lemak, dan zat lainnya yang sangat dibutuhkan di dalam tubuh sehingga dapat melaksanakan kegiatan setiap harinya. Akan tetapi sayangnya tidak semua masyarakat bisa membedakan jenis daging tersebut, dikarenakan tekstur dan warnanya yang hampir mirip. Hal ini juga kerap dimanfaatkan oleh penjual daging yang tidak bertanggungjawab dengan mencampur jenis daging tersebut atau dengan jenis daging lain untuk mendapatkan keuntungan yang besar. Padahal tidak semua orang bisa mengkonsumsi jenis daging tertentu karena alasan penyakit yang diderita. Penelitian yang dilakukan ini membandingkan metode GLCM dan LBP untuk klasifikasi citra jenis daging berdasarkan analisis tekstur. Jenis citra daging yang diklasifikasi adalah daging kambing, kerbau, dan kuda. Data citra daging tersebut diperoleh dengan cara mengambil gambar secara manual menggunakan kamera digital yakni Nikon D3200. Citra tersebut diambil dengan jarak 20 cm. Pengujian dan pelatihan data dilakukan dengan metode Support Vector Machine (SVM). Ciri tekstur yang digunakan adalah ASM, IDM, entropi, kontras, serta korelasi. Hasil akurasi klasifikasi citra daging kambing, kerbau, dan kuda menggunakan metode GLCM adalah sebesar 75,6%. Sedangkan hasil akurasi klasifikasi menggunakan metode LBP adalah sebesar 85,6%. Dengan demikian, metode ekstraksi ciri tekstur LBP lebih direkomendasikan untuk klasifikasi jenis daging menggunakan ciri tekstur.

show abstract

Section: Pendahuluanunclassified

Perbandingan Hasil Klasifikasi Jenis Daging Menggunakan Ekstraksi Ciri Tekstur Gray Level Co-occurrence Matrices (GLCM) Dan Local Binary Pattern (LBP)

Neneng¹,

Puspaningrum

Aldino

2021

SMATIKA

View full text Add to dashboard Cite

show abstract

“…Analisis data menggunakan media sosial Twitter sudah menjadi hal yang sangat diminati oleh para peneliti text mining karena twitter memberikan kemudahan kepada para programmer untuk secara bebas dalam mendapatkan data dan ada beberapa alasan lain mengapa twitter unggul, yaitu mudah diadaptasi dan digunakan, piranti penelitian yang handal dan mesin pencari yang realtime serta analisis data yang cepat. Salah satu bentuk analisis data yang paling sering dilakukan adalah analisis sentimen [4].…”

Section: Pendahuluanunclassified

Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier

Alita

Isnain

2020

komputasi

View full text Add to dashboard Cite

Kalimat sindiran atau sarkasme masih sering digunakan oleh kalangan publik untuk mengungkapkan maksud isi hati dan pikiran baik itu yang disampaikan secara langsng maupun tidak langsung. Sarkasme dilakukan untuk menyindir dan menyakiti hati seseorang dengan menggunakan bahasa atau kata yang didalamnya mengandung kata positif tetapi maknanya negatif sehingga sering sekali terjadi opini salah diklasifikasikan. Penelitian ini melakukan kombinasi antara proses sentimen analisis dengan deteksi sarkasme untuk pengklasifikasian opini yang terdapat pada Twitter. Proses analisis sentimen dilakukan dengan tahapan preprocessing dan ekstraksi fitur dan diklasifikan dengan menggunakan metode Support Vector Machine dilanjutkan dengan proses pendeteksian sarkasme yang dilakukan tahapan ekstraksi fitur dengan 4 set fitur yaitu sentiment related, punctuation-relate, lexical and syntactic, dan pattern-relate dan diklasifikasikan dengan menggunakan metode Random Forest Classifier. Hasil penelitian ini didapatkan peningkatan nilai rata-rata akurasi sebesar 16,61 %, nilai presisi sebesar 5,45 %, nilai recall sebesar 9,64% dan kenaikan nilai F1score sebesar 11,27% dengan jumlah data sebanyak 2.027 dengan rincian data dengan label positif berjumlah 1023, data dengan label negatif berjumlah 587 dan data dengan label netral berjumlah 462. Data sarkasme didapatkan dari tweet dengan label positif yang kemudian diberikan label sarkasme atau tidak sarkasme dan didapat hasil label dengan jumlah keseluruhan berlabel sarkasme berjumlah 354 dan tidak sarkasme berjumlah 669.

show abstract

“…Berdasarkan permasalahan tersebut maka diperlukan sebuah solusi untuk mempermudah proses pangambilan keputusan rumah sakit terbaik dengan menggunakan metode Analitical Hirarchy Process (AHP) yang merupakan representasi dari sebuah masalah yang kompleks dalam suatu terstruktur multi level dimana level pertama adalah tujuan, level faktor, kriteria, sub kriteria dan seterusnya sehingga dapat dikelompokan menjadi suatu bentuk hirarki maka permasalahan akan tampak lebih tersetruktur dan sederhana [5]. Adapun kriteria yang ditentukan yaitu fasilitas, pelayanan, keamanan, kebersihan dan kenyamanan [6] 2. Landasan Teori…”

Section: Pendahuluanunclassified

Sistem Pendukung Keputusan Untuk Penilaian Rumah Sakit Terbaik Di Lampung Tengah Menggunakan Metode Ahp

Pramudita

Christy

2020

JDMSI

View full text Add to dashboard Cite

Dinas Kesehatan Lampung Tengah merupakan OPD (Organisasi Perangkat Daerah) yang menangani kesehatan di wilayah khusus Lampung Tengah, dengan jumlah rumah sakit terdaftar sebanyak 9 rumah sakit. Belum adanya sistem pengambil keputusan tentang rumah sakit terbaik membuat pihak dinas mengalami kesulitan untuk memutuskan rumah sakit terbaik yang ada di wilayah Lampung Tengah. Di samping itu belum terdapat juga sistem informasi bagi masyarakat mengenai rumah sakit terbaik yang ada di wilayahnya. Sistem dikembangkan menggunakan metode Analitical Hirarchy Process (AHP) berbasis web. Proses pengumpulan data diawali dengan penentuan tujuan, memilih kriteria dan alternatif pilihan yang merupakan 9 rumah sakit yang ada di wilayah Lampung Tengah. Selanjutnya kriteria-kriteria yang ada dibandingkan tingkat kepentingannya berdasarkan data yang diperoleh sehingga diperoleh rumah sakit terbaik. Data diperoleh dari studi literatur dan referensi penelitian terdahulu, sementara pengujian dilakukan menggunakan standar kualitas ISO 25010. Penelitian ini menghasilkan sistem informasi pengolahan rumah sakit dan pengambilan keputusan rumah sakit terbaik menggunakan AHP. Berdasarkan pengujian menggunakan kriteria ISO 25010 dalam aspek usability di dapat hasil sebesar 95,83%, functional suitability sebesar 93% dan dalam aspek performance effeciency diperoleh skor A dengan tingkat load time atau waktu yang dibutuhkan untuk mengambil/membuka halaman Web pada komputer dengan waktu 15.042 detik. Sehingga dapat disimpulkan bahwa layak untuk diterapkan untuk membantu mengolah data rumah sakit terbaik di wilayah Lampung Tengah.

show abstract

A Support Vector Machine-Firefly Algorithm for Movie Opinion Data Classification

Cited by 53 publications

References 8 publications

Perbandingan Hasil Klasifikasi Jenis Daging Menggunakan Ekstraksi Ciri Tekstur Gray Level Co-occurrence Matrices (GLCM) Dan Local Binary Pattern (LBP)

Perbandingan Hasil Klasifikasi Jenis Daging Menggunakan Ekstraksi Ciri Tekstur Gray Level Co-occurrence Matrices (GLCM) Dan Local Binary Pattern (LBP)

Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier

Sistem Pendukung Keputusan Untuk Penilaian Rumah Sakit Terbaik Di Lampung Tengah Menggunakan Metode Ahp

Contact Info

Product

Resources

About