Dini Shalikha, 4611418014 (2022) PENINGKATAN AKURASI ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE MENGGUNAKAN PARTICLE SWARM OPTIMIZATION UNTUK ANALISIS SENTIMEN MENSTRUAL CUP DI TWITTER. Under Graduates thesis, Universitas Negeri Semarang.

PDF - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Menstrual cup adalah sebuah alat berbahan silikon yang digunakan sebagai pengganti pembalut sekali pakai pada wanita. Penggunaan menstrual cup di Indonesia masih dianggap tabu dan bertentangan dengan budaya Indonesia. Kebanyakan orang mengungkapkan pendapat dan pandangannya di berbagai media salah satunya media sosial Twitter. Oleh karena itu perlu dilakukan analisis terhadap pandangan dan sentimen seorang pengguna menstrual cup yang disebut dengan analisis sentimen. Analisis sentimen diperlukan untuk mengetahui pandangan masyarakat terkait dengan penggunaan menstrual cup. Untuk analisis sentimen, setelah data terkumpul, kemudian data diolah di tahap preprocessing, untuk selanjutnya diberi label positif dan negatif dengan library Vader Lexicon. Kemudian dilakukan normalisasi agar rentang data bisa seimbang, sebelum masuk ke tahap pembobotan kata atau feature extraction dengan TFIDF. Kemudian dilakukan seleksi fitur dengan algoritma Particle Swarm Optimization. Selanjutnya, tahap terakhir adalah tahap klasifikasi. Pada tahap klasifikasi ini menggunakan dua algoritma klasifikasi Naïve Bayes dan Support Vector Machine. Kedua algoritma klasifikasi tersebut dinilai bersifat sederhana dan memiliki tingkat akurasi yang cukup tepat. Tetapi juga memiliki kelemahan dalam pemilihan fitur yang sesuai. Berdasarkan penelitian yang telah dilakukan, dengan menggunakan pengujian model k-fold=5 dengan percobaan sebanyak tiga kali, didapatkan hasil akurasi untuk Naïve Bayes dengan Particle Swarm Optimization menghasilkan tingkat akurasi sebesar 95,87%, sedangkan Support Vector Machine dengan Particle Swarm Optimization menghasilkan tingkat akurasi sebesar 96,68%. Hal tersebut menunjukkan bahwa algoritma Particle Swarm Optimization dinilai dapat meningkatkan kinerja algoritma klasifikasi Support Vector Machine dan Naïve Bayes.

Actions (login required)

View Item