Sentimen Analisis Informasi Covid-19 menggunakan Support Vector Machine dan Naïve Bayes
| Main Authors: | Ratino, Ratino Ratino, Hafidz, Noor Hafidz Hafidz, Anggraeni, Sita Anggraeni Anggraeni, Gata, Windu Gata Gata |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | ind |
| Terbitan: |
JUPITER (Jurnal Penelitian Ilmu dan Teknik Komputer)
, 2020
|
| Online Access: |
https://jurnal.polsri.ac.id/index.php/jupiter/article/view/2388 https://jurnal.polsri.ac.id/index.php/jupiter/article/view/2388/1112 |
Daftar Isi:
- AbstrakInformasi saat ini banyak disampaikan melalui media sosial. Salah satu media sosial yang saat ini banyak digunakan adalah instagram. Berbagai sentimen masyarakat disampaikan melalui komentar pada media sosial instagram terhadap informasi COVID-19. Maka dari itu perlu dilakukan sentimen analisis untuk mengetahui sentimen dari setiap komentar. Adapaun algoritma klasifikasi yang digunakan yaitu Naïve Bayes dengan hasil akurasi 78,02% dan AUC 0,714, sedangkan Support Vector Machine menghasilkan akurasi sebesar 80,23% dan AUC 0,904. Memiliki selisih akurasi 2,21%. Setelah di optimasi dengan operator Particle Swarm Optimization, algoritma Naïve Bayes (PSO) menghasilkan akurasi sebesar 79,07% dan AUC 0,729, sedangkan algoritma Support Vector Machine (PSO) menghasilkan akurasi sebesar 81,16% dan AUC 0,903. Memiliki selisih akurasi sebesar 2,09%. Hasil pengujian algoritma, Support Vector Machine berbasis PSO maupun tidak, selalu dapat menghasilkan akurasi yang lebih tinggi. Kata kunci— Covid-19, Naïve Bayes, Support Vector Machine, Particle Swarm Optimization.