Analisis Sentimen Dewan Perwakilan Rakyat Dengan Algoritma Klasifikasi Berbasis Particle Swarm Optimization

Abstract

Penggunaan internet terutama media sosial telah menjadi bagian dari kehidupan bernegara. Hal ini salah satunya karena Anggota Dewan Perwakilan Rakyat Republik Indonesia (DPR RI) banyak yang menyampaikan ide, kebijakan maupun memberikan komentar atas kebijakan pemerintah melalui media sosial. Penelitian ini dilakukan untuk mengukur pendapat atau memisahkan antara sentimen positif dan sentimen negatif terhadap DPR RI. Data yang digunakan dalam penelitian ini didapatkan dengan melakukan crawling pada media sosial twitter. Penelitian dilakukan dengan menggunakan dua Algoritma yaitu Algoritma Support Vector Machine (SVM) dan Naive Bayes (NB). Kedua algoritma tersebut masing-masing dioptimasi menggunakan Particle Swarm Optimization (PSO). Hasil pengujian k-fold cross validation SVM dan NB mendapatkan nilai accuracy 71,04% dan 70,69% dengan nilai Area Under the Curve (AUC) 0,817 dan 0,661. Sedangkan hasil pengujian k-flod cross validation dengan menggunakan PSO, untuk SVM dan NB masing-masing mendapatkan nilai accuracy 75,03% dan 73,49% dengan nilai AUC 0,808 dan 0,719. Penggunaan PSO mampu meningkatkan nilai accuracy algoritma SVM sebesar 3,99% dan 2,8% pada algoritma NB. Hasil dari pengujian kedua algoritma tersebut nilai accuracy tertinggi adalah SVM dengan PSO sebesar 75,03%.

Sentimen Analisis Masyarakat Indonesia Terhadap Presiden Rusia Pada Komentar Media Berita Online

“…Penelitian ini menggunakan algoritma Support Vector Machine (SVM) dan Naïve Bayes (NB) lalu untuk pengklasifikasian serta menerapkan Particle Swarm Optimization (PSO) untuk mengoptimalkannya. PSO sendiri memiliki konsep sederhana, konvergensi cepat, mudah diimplementasikan dan mudah di terapkan diberbagai bidang untuk pengoptimalisasian [8].Penelitian ini menggunakan SVM karena memiliki konsep yang lebih matematis dan menggunakan NB karena dikenal dengan kelebihannya yaitu cepat, sederhana dan memiliki akurasi yang tinggi [9] [10]. Tujuan dari penelitian ini adalah untuk mendapatkan metode terbaik untuk menganalisis sentiment dengan kombinasi tahapan preprocessing dengan menggunakan stopword yang diharapkan menghasilkan peningkatan akurasi pada algoritma yang digunakan.…”

Pemilihan Metode dan Algoritma dalam Analisis Sentimen di Media Sosial : Sistematic Literature Review

“…Beberapa penelitian terdahulu juga melakukan analisis sentimen dengan mengulas hal-hal sebagai berikt : komparasi fitur seleksi [111]; kinerja KPU Pemilu [112]; kepuasan pengguna penyedia layanan komunikasi seluler [113]; kepuasan dalam proses pendidikan [114]; kehadiran Mass Rapid Transit (MRT) [115]; kebijakan pemindahan Ibukota Republik Indonesia [1], [116], [117]; kebijakan ganjil genap [118]- [120]; jasa ojek online [121], [122]; jasa ekspedisi barang [123]; impor beras [124]; hotel [125]; ujaran kebencian [6]; evaluasi kinerja dosen [126], [127]; Dewan Perwakilan Rakyat [128]; debat calon presiden [129]; debat calon gubernur [130]; dataset Indonesia [131]; cyberbullying [132]; calon gubernur [133]- [136]; berita kebakaran hutan [137]; asuransi [138]; acara televisi [139], [140]. Berdasarkan kuantitas riset, dapat diketahui bahwa ulasan sentimen analisis dengan topik kebijakan pemindahan ibukota Republik Indonesia, kebijakan ganjil genap, jasa ojek online, evaluasi kinerja dosen, calon gubernur dan acara televisi.…”

Klasifikasi Jenis Pemeliharaan dan Perawatan Container Crane menggunakan Algoritma Machine Learning

“…Ilustrasi K-NN dari signifikasi dalam kalkulasi [19] Naïve Bayes (NB) adalah sekumpulan algoritma klasifikasi berdasarkan Bayes' Theorem. NB bukan algoritma tunggal, melainkan sekumpulan algoritma yang semuanya memiliki prinsip yang sama, yaitu setiap pasangan fitur yang diklasifikasikan tidak bergantung satu sama lain [21], [22]. Bayes' Theorem mencari probabilitas suatu peristiwa terjadi dengan mempertimbangkan kemungkinan peristiwa lain yang telah terjadi.…”