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

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

• By Sari, Retno; Hayuningtyas, Ratih Yulia;
• Jurnal Nasional Terakreditasi
• 388
• 165-170

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 Machine dapat 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%.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 Machine dapat 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%.

• Katakunci Particle Swarm Optimization, Review, Support Vector Machine
• URL https://ejournal.nusamandiri.ac.id/index.php/jitk/article/view/1080/581
• Penerbit ,

REFERENSI

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/N101122

Drajana, 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 MultiObjective  Approach. Ieee Transactions on Cybernetics, 43(6), 1–16.