Optimasi Algoritma SVM Dan k-NN Berbasis Particle Swarm Optimization Pada Analisis Sentimen Fenomena Tagar #2019GantiPresiden

Abstract

Analisis sentimen adalah proses untuk menentukan konten dataset berbasis teks yang positif atau negatif. Saat ini, opini publik menjadi sumber penting dalam keputusan seseorang dalam menemukan solusi. Algoritma klasifikasi seperti Support Vector Machine (SVM) dan K-Nearest Neighbor (k-NN) diusulkan oleh banyak peneliti untuk digunakan dalam analisis sentimen untuk pendapat ulasan. Namun, klasifikasi sentimen teks memiliki masalah pada banyak atribut yang digunakan dalam dataset. Fitur pemilihan dapat digunakan sebagai proses optimasi untuk mengurangi set fitur asli ke subset yang relatif kecil dari fitur yang secara signifikan meningkatkan akurasi klasifikasi untuk cepat dan efektif. Masalah dalam penelitian ini adalah pemilihan pemilihan fitur untuk meningkatkan nilai akurasi Support Vector Machine (SVM) dan K-Nearest Neighbor (k-NN) dan membandingkan akurasi tertinggi untuk analisis sentimen tweet / komentar yang menggunakan tagar # 2019GantiPresiden. Algoritma perbandingan, SVM menghasilkan akurasi 88,00% dan AUC 0,964, kemudian dibandingkan dengan SVM berdasarkan PSO dengan akurasi 92,75% dan AUC 0,973. Data hasil pengujian untuk akurasi algoritma k-NN adalah 88,50% dan AUC 0,948, kemudian dibandingkan untuk akurasi dengan PSO berbasis k-NN sebesar 75,25% dan AUC 0,768. Hasil pengujian algoritma PSO dapat meningkatkan akurasi SVM, tetapi tidak mampu meningkatkan akurasi algoritma k-NN. Algoritma SVM berbasis PSO terbukti memberikan solusi untuk masalah klasifikasi tweets/ komentar yang menggunakan tagar # 2019GantiPresiden di Twitter agar lebih akurat dan optimal.

Rancang Bangun Aplikasi Pendataan Status Gizi Pada Balita Berbasis Web Di Desa Rawalele

“…Dimana status gizi merupakan keadaan gizi seseorang normal atau bermasalah (gizi salah) [1]. Gizi merupakan zat kimia yang berfungsi sebagai sumber energi, pertumbuhan dan pemeliharaaan jaringan sehingga tubuh dapat berjalan sebagaimana mestinya [2], [3]. Pemenuhan gizi merupakan hal penting, salah satunya pada anak karena berada pada masa yang rentan terhadap gangguan gizi [4]- [6].…”

Optimasi Algoritma K- Nearest Neighbor Berbasis Particle Swarm Optimization Untuk Meningkatkan Kebutuhan Barang

“…Penelitian ini bertujuan untuk merancang metode prakiraan yang dapat memperkirakan tingkat harga dan volume permintaan untuk TSR 20. Hasil penelitian dari prediksi harga komoditi karet dengan menggunakan model k-NN mendapatkan nilai RMSE sebesar 0,087 sedangkan bila menggunakan k-NN yang dioptimasi dengan menggunakan Particle Swarm Optimization didapatkan nilai RMSE sebesar 0,082 lebih baik dibandingkan dengan hanya menggunakan k-NN saja [2]. Data Mining merupakan suatu proses penggalian data atau penyaringan data dengan memanfaatkan kumpulan data yang cukup besar melalui serangkaian proses untuk mendapatkan informasi yang berharga dari data tersebut, untuk menentukan kebutuhan barang untuk mengatasi permasalahan yang terjadi diatas.…”

Komparasi Algoritma Suport Vector Machine Dan Naive Bayes Dalam Analisis Sentimen Kebijakan PPKM

“…Sebagai salah satu media sosial yang sederhana, twitter memiliki pengaruh yang tinggi terhadap proses pembentukan dan pengarahan opini publik. Melalui twiter kita akan banyak mendapatkan opini dari pengguna yang tidak hanya bersifat positif, tetapi juga tidak sedikit publik mengungkapkan opini negatif dengan menggunakan kata-kata yang dapat menimbulkan permusuhan, penghinaan, perdebatan dan perselisihan di media sosial khususnya Twitter (Saepudin et al 2018).…”