Record Details

KOMPARASI FEATURE SELECTION PARTICLE SWARM OPTIMIZATION (PSO) DENGAN GENETIC ALGORITHM (GA) TERHADAP ALGORITMA NAÏVE BAYES PADA ANALISIS SENTIMENT TWITTER

e-Prosiding SNasTekS

View Archive Info
 
 
Field Value
 
Title KOMPARASI FEATURE SELECTION PARTICLE SWARM OPTIMIZATION (PSO) DENGAN GENETIC ALGORITHM (GA) TERHADAP ALGORITMA NAÏVE BAYES PADA ANALISIS SENTIMENT TWITTER
 
Creator Juni Prayoga, Karno
Nugroho, Agung
Ngudi Wiyatno, Tri
 
Subject Analisis Sentiment, Twitter, Naïve Bayes, Feature Selection, Particle Swarm Optimization, Genetic Algorithm
 
Description Analisis sentiment merupakan bidang studi yang menganalisa pendapat, pandangan, evaluasi, penilaian, sikap, dan emosi terhadap entitas dan aspekaspeknya yang diekspresikan melalui teks. Twitter merupakan salah satu media yang sering dijadikan obyek penelitian. Masalah utama dalam proses analisis sentiment adalah bagaimana memilih dan menggunakan feature selection terbaik untuk mendapatkan hasil maksimal. Salah satu metode klasifikasi yang sering digunakan Naïve Bayes. Naïve Bayes sangat sensitif terhadap feature selection. Pada pengujian dilakukan komparasi feature selection Particle Swarm Optimization dan Genetic Algorithm untuk meningkatkan kinerja akurasi Algoritma Naïve Bayes. Pengukuran dilakukan dengan membandingkan antara pengujian sebelum dan sesudah menggunakan feature selection. Validasi menggunakan Teknik Cross Validation, sedangkan akurasi diukur dengan confussion matrix. Hasilnya menunjukkan peningkatan akurasi Algoritma Naïve Bayes dengan menggunakan feature selection Particle Swarm Optimization dari 67.71% menjadi 71.84%. Berbeda dengan peningkatan akurasi Algoritma Naïve Bayes dengan menggunakan feature selection Genetic Algorithm dari 67.71% menjadi 68.96%. Dengan demikian, feature selection terbaik adalah Particle Swarm Optimization dengan peningkatan akurasi sebesar 4.00%.
 
Publisher e-Prosiding SNasTekS
 
Date 2020-05-31
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Peer-reviewed Article
 
Format application/pdf
 
Identifier https://journal.unusida.ac.id/index.php/snts/article/view/99
 
Source e-Prosiding SNasTekS; Vol. 1 No. 1 (2019): e-Prosiding SNasTekS ; 299-314
 
Language eng
 
Relation https://journal.unusida.ac.id/index.php/snts/article/view/99/84