Komparasi Algoritma Support Vector Machine Dan Naïve Bayes Dengan Algotima Genetika Pada Analisis Sentimen Calon Gubernur Jabar 2018-2023

Abstract

Abstrak – Kontestasi politik dalam penentuan menjadi pemimpin tingkat provinsi dalam hal ini gubernur jawa barat 2018-2023. Masyarakat yang memberikan opininya berupa tweet pada media sosial twitter menentukan bentuk dukungan atau tidaknya, sehingga perlu adanya analisis sentimen terhadap calon Gubernur agar mengetahui tingkat kepercayaan masyarakat serta terbentuk citra kepada calon Gubernur Jawa Barat 2018-2023. Akan tetapi membaca keseluruhan tweet yang tersebar dalam twitter yang berkaitan dengan masing-masing calon gubernur akan memakan waktu dan membingungkan dalam pengambilan keputusan. Klasifikasi sentimen akan mengurai masalah mengenai opini, pendapat, emosi dan prilaku dengan studi komputasi. Metode klasifikasi yang akan dibahas dalam penelitian yaitu dengan algoritma Naïve Bayes serta Support Vector Machine. Penentuan fitur menentuka hasil akurasi, dalam penentuan fitur seleksi digunakan Genetic Algorithm agar dapat meningkatan akurasi pengklasifikasian pada Support Vector Machine dan Naive Bayes. Perolehan penelitian ini yaitu klasifikasi teks dalam pola negatif atau positif dari tweet calon gubernur jawa barat 2018-2023. Pada dataset tidak seimbang Support Vector Machine menghasilkan rata-rata akurasi 92.61% dengan AUC 0,950, Naive Bayes menghasilkan rata-rata akurasi 93,29% dengan AUC 0,525, Support Vector Machine berbasis Genetic Algorithm menghasilkan rata-rata akurasi 93,03% dengan AUC 0,869, Naive Bayes berbasis Genetic Algorithm menghasilkan rata-rata akurasi 92,85% dengan AUC 0,543. Hasil ini menunjukan bahwa Support Vector Machine dapat digunakan untuk membangun deteksi tweet klasifikasi positif dan negatif dengan tingkat akurasi yang tinggi. Kebaruan dari penelitian ini adalah bahwa Support Vector Machine dapat digunakan untuk mendeteksi tweet pada dataset twitter berbahasa indonesia penulis.

Sentiment Analysis for Market Survey in the Framework of the Establishment of the IT Boarding School Vocational School

“…Sentiment is found in statements or sentences that have an opinion. Sentiment is used to determine the feeling given to a topic or object [12].…”

Analisis Sentimen Twitter Kuliah Online Pasca Covid-19 Menggunakan Algoritma Support Vector Machine dan Naive Bayes

“…Berdasarkan hasil pengolahan data Algoritma Support Vector Mechine medapatkan nilai rata-rata aku rasi yang lebih tinggi dibandingkan dengan Algoritma Naïve Bayes, 93,03% dengan 92,85%. Dan dapt disimpulkan bahwa dalam penelitian ini metode Algoritma Support Vector Mechine lebih akurat dibandingkan dengan Algoritma Naïve Bayes [6].…”

Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine

“…Pengklasifikasian menggunakan Support Vector Machine merupakan tehnik machine learning yang cukup populer untuk pengklasifikaisan teks serta memiliki performa yang baik pada banyak domain serta mampu mengidentifikasikan hyperplane secara terpisah diantara dua class yang berbeda sehingga hasilnya termaksimalkan dan dapat memaksimalkan pula jarak antara data yang paling dekat dengan hyperplane [12]. Klasifikasi dilakukan dengan mencari hyperplane atau garis pembatas (decision boundary) yang memisahkan antara suatu kelas dengan kelas lain, Support Vector Machine melakukan pencarian nilai hyperplane dengan menggunakan support vector dan nilai margin [13].…”