Penelitian ini memfokuskan pada peningkatan akurasi produk furniture dengan menggunakan algoritma Naive Bayes yang dioptimasi PSO. Fungsi dari penerapan metode algoritma tersebut dalam mengklasifikasikan review positif dan negatif yaitu untuk memudahkan pembeli mendapatkan informasi secara mudah sebelum memilih produk yang tepat untuk dibeli. Pengolahan data uji training menggunakan 100 data review furniture positif dan 100 data review furniture negatif. Hasil eksperimen pada Naive Bayes optimasi Particle Swarm Optimization (PSO) sebesar 93,50% sehingga dapat disimpulkan bahwa Naive Bayes merupakan metode klasifikasi teks yang sederhana dan PSO salah satu teknik optimasi yang berfungsi untuk meningkatkan pembobotan atribut (atribute weight).
Jurnal
Peer Review Jurnal
Al-ghuribi SM, Alshomrani S. 2013. Algorithms for Arabic and English Languages.
Aulianita R. 2015. Komparasi Algoritma Naive Bayes dan K-Nearest Neighbors Pada Sentiment Analysis Review Restaurant.Thesis M.Kom STMIK Nusa Mandiri Jakarta 5–27.
Bijalwan V, Kumar V, Kumari P, Pascual J. 2014. KNN based machine learning approach for text and document mining. Int. J. Database Theory Appl. 7: 61 –70.
Indrayuni E. 2016. Analisa Sentimen Revi ew Hotel Menggunakan Algoritma Support Vector Machine Berbasis Particle Swarm Optimization.
Kristiyanti DA, Wahyudi M. Feature Selection Based on Genetic Algorithm, Particle Swarm Optimization and Principal Component Analysis for Opinion Mining Cosmetic Product Review.
Liu R, Chen Y, Jiao L, Li Y. 2014. A particle swarm optimization based simultaneous learning framework for clustering and classification. Pattern Recognit. 47: 2143–2152.
Moraes R, Valiati JF, Gavião Neto WP. 2013. Document-level sentiment classification: An empirical comparison between SVM and ANN. Expert Syst. Appl. 40: 621–633.
Raschka S. 2014. Naive Bayes and Text Classification I - Introduction and Theory. 1–20.
Rasjid ZE, Setiawan R. 2017. Performance Comparison and Optimization of Text Document Classification using k-NN and Naïve Bayes Classification Techniques. Procedia Comput. Sci. 116: 107–112.
Tjahyanto A, Sisephaputra B. 2017. The Utilization of Filter on Object-based Opinion Mining in Tourism Product Reviews. Procedia Comput. Sci. 124: 38–45.
Vidhya KA, Aghila G. 2010. A Survey of Naïve Bayes Machine Learning approach in Text Document Classification. Int. J. Comput. Sci. Inf. Secur. 7: 206–211