Algoritma Genetika Untuk Seleksi Fitur Pada Sentimen Analisis Review Produk Laptop Menggunakan Algoritma Support Vector Machines

Algoritma Genetika Untuk Seleksi Fitur Pada Sentimen Analisis Review Produk Laptop Menggunakan Algoritma Support Vector Machines

• By Hayuningtyas, Ratih Yulia;
• Tesis
• 401

Sejumlah informasi saat ini tersedia di media online. Kebanyakan orang memberikan pendapat atau review melalui media online seperti review produk. Review produk digunakan untuk mengetahui kualitas dari produk. Semakin banyak informasi maka pencari informasi merasa kesulitan untuk menghasilkan informasi yang akurat. Dikarenakan semakin banyak review maka informasi menjadi tidak terstruktur. Data yang tidak terstruktur sulit untuk diuraikan secara otomatis. Sebagian besar peneliti menyatakan bahwa metode Support Vector Machine dapat mengatasi masalah yang tidak terstruktur. Support Vector Machine dianggap sebagai metode pengklasifikasian teks terbaik, tetapi Support Vector Machine memiliki kekurangan terhadap pemilihan fitur yang optimal. Oleh karena itu, dibutuhkan fitur yang dapat mengoptimalkan Support Vector Machine. Algoritma Genetika termasuk fitur yang memiliki potensi untuk menghasilkan secara optimal. Tujuan dari penelitian ini, meningkatkan akurasi dengan fitur Algoritma Genetika tanpa menurunkan hasil dari akurasi Support Vector Machine. Penelitian ini menggunakan data review produk laptop yang sudah diklasifikasikan ke dalam bentuk positif atau negatif. Evaluasi dilakukan dengan menggunakan k fold cross validation. Untuk hasil berupa confusion matrix dan kurva ROC. Hasil penelitian menunjukkan peningkatan akurasi sebesar 42,75%. Hasil akurasi menggunakan Support Vector Machine sebesar 53,26%, sedangkan hasil akurasi Support Vector Machine dengan algoritma genetika sebesar 96,01%.

• Katakunci Analisa sentimen; Review; Support Vector Machine; Algoritma Genetika; Klasifikasi teks
• URL http://
• Penerbit ,

REFERENSI

Alabsi, F., & Naoum, R. 2012. Comparison of Selection Methods and Crossover Operations Using Steady State Genetic Based Instrusion Detection System. ISSN: 2079-8407. Basari, Abd. S. H., Hussin, B., Ananta, G. P., & Zeniarja, J. 2013. Opinion Mining of Movie Review Using Hybrid Method of Support Vector Machine and Particle Swarm Optimazation. 453-462. Bhavsar, H., & Panchal, M. H. 2012. A Review on Support Vector Machine for Data Classification. ISSN: 2278-1323. Cherif, Ramdane, Levy, Nicole, Losavio, F., dan Chirinos, Ledis. 2003. Qualiti Characteristics for Sotfware Architecture. In Journal of Object Technology, vol. 2 no.2, March-April 2003, pp.133-150. Dahiya, R., & Singh, A. May 2014. A Survey on Text Mining Using Genetic Algorithm. ISSN 2278-0211. Gorunescu, F. 2011. Data Mining Concept Model Technique. Gupta, M., & Gupta, S. 2013. Optimized Processor Scheduling Algorithms Genetic Algorithm Approach. ISSN: 2278-1021. Hamouda, S. B., & Akaichi, J. 2013. Social Networks’ Text Mining For Sentiment Classification: The Case Of Facebook’ Statuses Updates in The “Arabic Spring” Era. ISSN: 2319-4847. Harer, S., & Kadam, S. 2014. Mining and Summarizing Movie Reviews in Mobile Environment. ISSN:0975-9646. Huang, Cheng-Lung, Wang, Chieh-Jen. 2006. A GA-based Feature Selection and Prameters Optimization for Support Vector Machines. 226-235. Joshi, Neha S., & Itkat, Suhasni A. 2014. A Survey on Feature Level Sentiment Analysis. ISSN:0975-9646.Kalaivani, P., & India, Chennai. 2013. Sentiment Classification Of Movie Reviews By Supervised Machine Learning Approaches. ISSN: 0976-5166. Langgeni, Diah P., Baizal, A. ZK., 2010. Firdaus, Yanuar. Clustering Artikel Berita Berbahasa Indonesia Menggunakan Unsupervised Feature Selection. ISSN:1979-2328. Li, Nan., & Wu, Dasheng D. 2010. Using Text Mining and Sentiment Analysis for Online Forums Hotspot Detection and Forecast. 354-368. Maholtra, R., Singh, N,. & Singh, Y. 2011. Genetic Algorithms: Concepts, Design for Optimization Of Process Controllers. Moraes, Rodrigo., Valiati, J. F., Neto, Wilson P. G. 2013. Document-Level Sentiment Classification: An empirical Comparison Between SVm and ANN. 621:633. Novianti, F. A., & Purnami, S. W., Analisis Diagnosis Pasien Kanker Payudara Menggunakan Regresi Logistik dan Support Vector Machine (SVM) Berdasarkan Hasil Mamografi. ISSN: 2301-928. Nugroho, Anto S. 2008. Support Vector Machine: Paradigma Baru Dalam Softcomputing. Oreski, S., & Oreski, G. 2013. Genetic Algorithm-Based Heuristic For Feature Selection in Credit Risk. Parwita, Wayan G S P., dan Putri, Luh A A R. 2012. Komponen Penilaian Kualitas Perangkat Lunak Berdasarkan Software Quality Models. ISBN 979-26-0255-0. Patil, M. G., Galande, V., Kekan, V., & Dange, K.. 2014. Sentiment Analysis Using Support Vector Machine. ISSN: 2320-9801. Putranti, N. D., & Winarko, E. 2014. Analisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine. ISSN: 1978-1520. Saleh, M. R., Valdivia, M., Raez, M., & Lopez, U. 2011. Experiment with SVM to Classify Opinions in Different Domains. 14799-14804. Uysal, A. K., & Gunal, S. 2014. Text Classification Using Genetic Algorithm Oriented Latent Semantic Feature. 5938-5947. Vinodhini, G., & Chandrasekaran, RM. 2012. International Journal of Advanced Reserch in Computer Science and Software Engineering. ISSN: 2277 128. Vohra, S., & Teraiya, Jay. 2013. Applications and Challenges For Sentiment Analysis: A Survey. ISSN: 2278-0181. Ye, Qiang, Zhang, Z., Law, Rob. 2009. Sentiment Classification of Online Reviews to Travel Destinations by Supervised Machine Learning Approaches. 6527-6535. Zhang, Wenhao, Xu, Hua, Wan, Wei. 2012. Weakness Finder: Find Product Weakness from Chinese Review by Using aspects Based Sentiment Analysis. 10283-10291. Zhang, Ziqiong,. Ye, Qiang, Zhang, Zili, & Li Yijun. 2011. Sentiment Classification Of Internet Restaurant Reviews Written In Cantonese. 7674-7682. Zhao, Mingyuan. Fu, Chong, Ji, L., Tang, K. & Zhou, M. 2011. Feature Selection and Parameter Optimization For Support Vector Machines: A New Approach Based on Genetic Algorithm with Feature Chromosomes. 5179-5204.