OPTIMASI ALGORITMA SUPPORT VECTOR MACHINE (SVM) BERBASIS PARTICAL SWARM OPTIMAZATION PADA ANALISIS SENTIMENT PENOMENA TAGAR #PPKM

PUBARA, YURNI BAGUS ALI (2022) OPTIMASI ALGORITMA SUPPORT VECTOR MACHINE (SVM) BERBASIS PARTICAL SWARM OPTIMAZATION PADA ANALISIS SENTIMENT PENOMENA TAGAR #PPKM. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Full Skripsi) skripsi19372022P.pdf - Published Version Download (2MB)
	Text (Abstrak) abstrak19372022P.pdf - Published Version Download (10kB)
	Text (Bab I Pendahuluan) b119372022P.pdf - Published Version Download (141kB)
	Text (Bab II Landasan Teori) b219372022P.pdf - Published Version Download (980kB)
	Text (Daftar Pustaka) daftar_pustaka19372022P.pdf - Bibliography Download (274kB)

Abstract

Abstrak Penelitian ini dilakukan untuk menerapkan algoritma PSO (Partical Swarm Optimazition) untuk mengoptimasi accurasi sebuah analisis sentimen media sosial twitter dengan algoritma SVM (Support Vector Mechine) tentang isu terkait #ppkm. penelitian menggunakan data Tweet sebanyak 1106 data tweet Bahasa Indonesia data dikumpulkan tanggal 18 Agustus 2021. Menggunakan library python yaitu Tweepy,pembobotan kata menggunakan TF-IDF, akan dilakukan klasifikasi nilai sentimen ke dalam dua kelas yaitu positif dan negatif. Berdasarkan penelitian yang sudah dilakukan terkait analisis sentimen pada tweet dengan hastag #PPKM, didapatkan hasil evaluasi pada skenario pengujian bahwa algoritma SVM memang lebih unggul ketika digunakan dalam klasifikasi teks. Selanjutnya, algoritma SVM yang telah dioptimasi dengan PSO dapat meningkatkan performa yang dihasilkan dalam seluruh parameter pengujian jika dibandingkan dengan algoritma SVM saja tanpa optimasi dengan kenaikan akurasi sebesar 0,3 %, setelah itu setiap partikel di tamabah nilai 10 dan iterasi ditambah nilai sepuluh dari iterasi 10 ke 20 dan partikel 10 ke 20 peroses mengalami kenaikan 0,05 % saja. Kemudian iterasi 30 dan partikel 30 mengalami kenaikkan 0,2%, kemudian pada iterasi 40 mengalami penurunan 0,1%, kemudian pada iterasi 50 dan partikel 50 mengalami kenaikan 0,1%. Hal tersebut menunjukkan bahwa PSO benar dapat meningkatkan perfoma yang dihasilkan oleh algoritma SVM, tetapi nilai persentasenya mengalami sedikit kenaikan pada akurasinya.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Sentimen analisis, ppkm,TF-IDF, SVM,PSO,Optimasi.
Subjects:	INFORMATIKA > TN Mining engineering. Metallurgy
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Informatika
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	18 Apr 2023 08:50
Last Modified:	18 Apr 2023 08:50
URI:	http://repository.teknokrat.ac.id/id/eprint/4618

Actions (login required)

View Item