Penerapan Particle Swarm Optimization Terhadap Support Vector Machine Pada Review Pengguna Transportasi Udara

Abstraksi

Transportasi udara saat ini menjadi salah satu alternative pilihan dalam perjalanan  oleh masyarakat umum. Untuk memilih transportasi udara yang sesuai dengan pilihan, pembeli dapat melihat sebuah review  dari transportasi udara. Review yang didapat berupa informasi teks dari berbagai sumber. Terkadang review mengenai transportasi udara menyulitkan pembeli untuk menarik kesimpulan mengenai informasi transportasi udara, maka diperlukan suatu metode untuk menentukan tingkat akurasi dari sebuah informasi. Dalam penelitian ini review transportasi udara menggunakan data sebanyak 100 review yang dijadikan dataset kemudian diklasifikasikan kedalam  50 review positif dan 50 review negatif. Dataset  tersebut akan diuji dengan tahapan preprocessing dan metode.  Tujuan dari penelitian ini  yaitu penerapan  Particle  Swarm Optimization  terhadap Support Vector Machinedapat meningkatkan nilai  akurasi. Pengujian ini menghasilkan tingkat akurasi sebesar 61,03% dengan AUC 0,953 dengan  algoritma  Support Vector Machine, sedangkan akurasi sebesar 71,00% dengan AUC 0,976 dengan  algoritma Support  Vector Machine  yang di optimasi dengan Particle Swarm Optimization.  Dari hasil pengujian diatas dapat disimpulkan penelitian  dengan algoritma Support Vector Machine yang di optimasi dengan Particle Swarm Optimization  tingkat akurasinya naik sebesar 9,97%.

Kata Kunci: Particle Swarm Optimization; Review; Support Vector Machine

URI
https://ejournal.nusamandiri.ac.id/index.php/jitk/article/view/1080/581

Bidang ilmu
Sistem Informasi

References

Brody, S., & Elhadah, N. (2010). An Unsupervised Aspect-Sentiment Model for Online Reviews_Slide.  Human Language Technologies: The 2010 Annual Conference of the North American Chapter of the ACL, (June), 804–812.  Retrieved from http://www.aclweb.org/anthology/N10-1122Drajana, I. C. R. (2017). METODE SUPPORT VECTOR MACHINE DAN FORWARD SELECTION PREDIKSI PEMBAYARAN PEMBELIAN BAHAN BAKU.  ILKOM Journal Ilmiah, 9, 116–123.Ling, J., N. Kencana, I. P. E., &  Oka, T. B. (2014). Analisis Sentimen Menggunakan Metode Naïve Bayes Classifier Dengan Seleksi Fitur Chi Square.  E-Jurnal Matematika,  3(3), 92. https://doi.org/10.24843/mtk.2014.v03.i03. p070 Monarizqa, N., Nugroho, L. E., & Hantono, B. S. (2014). Penerapan Analisis Sentimen Pada Twitter Berbahasa Indonesia Sebagai Pemberi Rating.  Jurnal Penelitian Teknik Elektro Dan Teknologi Informasi, 1, 151–155. Muhamad, H., Prasojo, C. A., Sugianto, N. A., Surtiningsih, L., Cholissodin, I., Ilmu, F., … Optimization, P. S. (2017). OPTIMASI NAÏVE BAYES CLASSIFIER DENGAN MENGGUNAKAN PARTICLE.  Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK),  4(3), 180–184. Parapat, I. M., Furqon, M. T., & Sutrisno. (2018). Penerapan Metode Support Vector Machine ( SVM ) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak.  Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(10), 3163–3169. Pravina, A. M., Cholissodin, I., & Adikara, P. P. (2019). Analisis Sentimen Tentang Opini. Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine ( SVM ).  Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 3(3), 2789–2797.Rozi, I., Pramono, S., & Dahlan, E. (2012). Implementasi Opinion Mining (Analisis Sentimen) Untuk Ekstraksi Data Opini Publik Pada Perguruan Tinggi.  Jurnal EECCIS,  6(1), 37–43. Rozi, N. F., Arianto, F., & Hapsari, D. P. (2019). Analisis Sentimen Pada Opini Pengguna Maskapai Penerbangan Sentiment Analysis on Passenger Opinions At Airlines Company. Jurnal  Teknologi Informasi Dan Ilmu Komputer (JTIIK),  6(3), 321–326. https://doi.org/10.25126/jtiik.201961337 Sari, R., & Hayuningtyas, R. Y. (2019).  Penerapan Particle Swarm Optimization Terhadap Support Vector Machine Pada Review. Pengguna Transportasi Udara. Laporan Akhir Penelitian Mandiri STMIK Nusa Mandiri Jakarta. Jakarta.Xue, B., Zhang, M., Member, S., & Browne, W. N. (2012). Particle Swarm Optimization for Feature Selection in Classification : A Multi-Objective Approach.  Ieee Transactions on Cybernetics, 43(6), 1–16.