Indah Sekar Arum, 4611417032 (2021) ANALISIS BIG FIVE PERSONALITY PARA PENIKMAT KOREAN WAVE MENGGUNAKAN SUPPORT VECTOR MACHINE DAN LOGISTIC REGRESSION. Under Graduates thesis, UNIVERSITAS NEGERI SEMARANG.

PDF - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Seiring dengan perkembangan teknologi, kehadiran Social Networking Services memberikan berbagai manfaat bagi manusia dalam mendapatkan maupun menyebarkan informasi termasuk mengenai fenomena Korean wave. Penggunaan Social Networking Services juga dapat mengakibatkan perubahan pada kepribadian seseorang. Pada dasarnya terdapat beragam macam kepribadian manusia, salah satunya yaitu big five personality yang dapat dianalisis dengan mudah berkat kecanggihan teknologi. Dalam penelitian ini, digunakan algoritma Support Vector Machine dan Logistic Regression serta diterapkan Recursive Feature Elimination sebagai seleksi fitur. tujuan dari penelitian ini adalah untuk membandingkan hasil akurasi antara algoritma Support Vector Machine dan Logistic Regression dengan menerapkan seleksi fitur Recursive Feature Elimination dalam menganalisis data mengenai big five personality. Dataset yang digunakan diambil dari Kaggle.com kemudian dibagi menjadi data latih dan data uji dengan perbandingan 90:10. Data latih diproses menggunakan Support Vector Machine dan Logistic Regression, dengan masing-masing algoritma diterapkan seleksi fitur yaitu Recursive Feature Machine. Data latih yang telah diproses menggunakan algoritma Support Vector Machine dan Logistic Regression dengan menerapkan seleksi fitur Recursive Feature Machine tersebut akan didapatkan model klasifikasi. Selanjutnya model diuji menggunakan data uji, kemudian hasilnya dievaluasi menggunakan confusion matrix untuk mendapatkan nilai akurasi. Akurasi yang dihasilkan oleh algoritma Support Vector Machine dengan menerapkan seleksi fitur Recursive Feature Machine yaitu sebesar 71,875% sedangkan akurasi yang dihasilkan oleh Logistic Regression dengan menerapkan Recursive Feature Machine sebesar 78,125%. Hal ini menunjukkan bahwa Logistic Regression dan Recursive Feature Machine menghasilkan nilai accuracy yang lebih baik dibandingkan algoritma Support Vector Machine dan Recursive Feature Machine.

Actions (login required)

View Item