Optimasi Algoritma Support Vector Machine untuk Analisis Sentimen pada Ulasan Produk Tokopedia Menggunakan PSO

Abstract

Transaksi e-commerce di Indonesia semakin meningkat, hal tersebut memberikan peluang pada produsen untuk memasarkan produk dan memudahkan konsumen untuk berbagi aktivitas, salah satunya memberikan ulasan produk. Ulasan produk berperan penting untuk membangun kepercayaan konsumen ketika menentukan keputusan dalam pembelian produk. Dengan meningkatnya jumlah ulasan, membuat calon konsumen kesulitan untuk menarik kesimpulan yang tepat. Oleh karena itu, diperlukan analisis sentimen untuk membantu calon konsumen untuk menarik kesimpulan. Analisis sentimen bertujuan untuk menyimpulkan, mengindentifikasi sentimen pada data dan mengklasifikasikan polaritas. Algoritma Support Vector Machine (SVM) banyak diusulkan oleh banyak peneliti untuk digunakan dalam analisis sentimen. Support Vector Machine (SVM) dipilih karena mampu mengidentifikasi hyperplane terpisah yang dapat memaksimalkan margin antara 2 kelas yang berbeda. Akan tetapi, Support Vector Machine memiliki kekurangan pada pemilihan parameter atau fitur, maka diterapkan seleksi fitur Particle Swarm Optimization untuk meningkatkan hasil akurasi. Hasil penerapan Support Vector Machine (SVM) memiliki nilai akurasi sebesar 83,33% dengan nilai AUC sebesar 0.910 yang merupakan kategori excellent classification. Sedangkan, Optimasi algoritma Support Vector Machine menggunakan Particle Swarm Optimization (PSO) memiliki nilai akurasi sebesari 88.89% dengan nilai AUC sebesar 0.946 yang merupakan kategori excellent classification. Berdasarkan hal tersebut, terbukti bahwa penerapan Particle Swarm Optimization (PSO) dapat meningkatkan kinerja algoritma Support Vector Machine (SVM).

Analisis Sentimen Review Produk Skincare Dengan Naïve Bayes Classifier Berbasis Particle Swarm Optimization (PSO)

“…Support Vector Machine memiliki kekurangan terhadap masalah pemilihan parameter atau fitur yang sesuai. Pemilihan fitur sekaligus penyetingan parameter di SVM secara signifikan mempengaruhi hasil akurasi klasifikasi sehingga algoritma Particle Swarm Optimization (PSO) banyak digunakan untuk memecahkan masalah optimasi serta sebagai solusi masalah seleksi fitur [15].…”

Analisis Sentimen Tokopedia Pada Ulasan di Google Playstore Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor

“…Transaksi online atau e-commerce di Indonesia mengalami pertumbuhan yang pesat, sejumlah survei melaporkan pertumbuhan e-commerce di Indonesia tertinggi di dunia. Berdasarkan laporan PPRO Payments & E-commerce Report in Asia 2018, menyatakan Indonesia memiliki pertumbuhan tertinggi mencapai 78% per tahun [1]. Aplikasi market seperti google playstore terus meningkat menyediakan mekanisme baru untuk distribusi perangkat lunak, dimana pengguna memperoleh aplikasi langsung dari pengembang dan juga proses ulasan pengguna aplikasi dapat langsung dilakukan melalui komentar [2] [3].…”

Analisis Sentimen Ulasan Pengguna Pada Aplikasi Google Classroom Menggunakan Metode SVM Dan Seleksi Fitur PSO

“…(Erfina, et al, 2020) [1]. Kemudian pada penelitian mengenai optimasi algoritma SVM menggunakan particle swarm optimization menghasilkan rata-rata nilai akurasi sebesar 83.33% untuk klasifikasi yang hanya menerapkan metode SVM, dan menghasilkan rata-rata nilai akurasi sebesar 88,89% untuk klasifikasi yang menggunakan optimasi algoritma PSO (Handayani, et al, 2019) [2].…”