Penggunaan Feature Selection di Algoritma Support Vector Machine untuk Sentimen Analisis Komisi Pemilihan Umum
| Main Authors: | Santoso, Imam, Windu Gata, Atik Budi Paryanti |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Ikatan Ahli Informatika Indonesia (IAII)
, 2019
|
| Subjects: | |
| Online Access: |
http://jurnal.iaii.or.id/index.php/RESTI/article/view/1084 http://jurnal.iaii.or.id/index.php/RESTI/article/view/1084/166 |
Daftar Isi:
- At this time sentiment analysis is very widely used by people to see the extent of people's sentiments towards an object. Objects that can be used in sentiment analysis can be various kinds, for example about the product regarding receipt by consumers, agencies or institutions regarding the performance of the agency. Whereas for this study taking sentiment analysis of the State Institution namely the General Election Commission (KPU) about the sentiments of the implementation of the ELECTION simultaneously and also the results of the implementation of the ELECTION which have become the subject of discussion by netizens on social media. So this research takes retweet data and retention comments from Twitter social media users. The algorithm used in this study is Support Vector Machine (SVM), with optimization of the use of Weight by Correlation Feature Selection (FS). The results of cross validation SVM without FS are 66.49% for accuracy and 0.716 for AUC. Whereas SVM with FS is 81.18% for accuracy and 0.943 for AUC. Very significant improvement with the use of Weight by Correlation Feature Selection (FS).
- Saat ini analisis sentimen sangat banyak digunakan orang untuk melihat sejauh mana sentimen masyarakat terhadap suatu objek. Objek yang bisa digunakan dalam analisis sentimen bisa berbagai macam, misal tentang produk mengenai diterimanya oleh konsumen, instansi atau lembaga mengenai kinerja instansi tersebut. Sedangkan untuk penelitian ini mengambil analisis sentimen terhadap Lembaga Negara yaitu Komisi Pemilihan Umum ( KPU ) tentang sentimen pelaksanaan PEMILU serentak dan juga hasil dari pelaksanaan PEMILU tersebut yang telah menjadi bahan pembicaraan netizen di media sosial. Maka penelitian ini mengambil data twit maupun komen retwit dari para pengguna media sosial twitter. Algoritma yang digunakan dalam penelitian ini adalah Support Vector Machine ( SVM ), dengan optimasi penggunaan Feature Selection (FS) Weight by Correlation. Hasil dari cross validation SVM tanpa FS adalah 66.49% untuk accuracy dan 0.716 untuk AUC. Sedangkan untuk SVM dengan FS adalah 81.18% untuk accuracy dan 0.943 untuk AUC. Peningkatan sangat signifikan dengan penggunaan Feature Selection (FS) Weight by Correlation.