ANALISIS SENTIMEN BERITA ARTIS DENGAN MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN PARTICLE SWARM OPTIMIZATION

Abstrak

Abstract - Media to get information about the artist is very much like the media tv, radio, newspapers, magazines, websites and more. But from most of the media website is a medium that is very flexible because it can be accessed in a variety of places that are connected to the internet, the information provided is very up to date and also anybody can comment on related articles. Classification techniques from some of the most frequently used is the Support Vector Machine (SVM). SVM has the advantage that is able to identify separate hyperplane that maximizes the margin between two different classes. But the SVM have disadvantages against the problem of election parameters or features accordingly. So that it can influence the accuracy results. Therefore, in this study using the Merge method of the selection of features, i.e. Particle Swarm Optimization to improve accuracy at the Support Vector Machine. As for the accuracy of the resulting algorithm Support Vector Machine-based Particle Swarm Optimmization with 76.00% accuracy.

Intisari — Media untuk mendapatkan informasi tentang artis sangat banyak seperti media tv, radio, koran, majalah, website dan lain-lain. Tetapi dari sebagian besar media tersebut website merupakan media yang sangat fleksibel karena dapat di akses di berbagai macam tempat yang terkoneksi jaringan internet, informasi yang disediakan sangatlah up to date dan juga setiap orang bisa mengomentari artikel yang terkait. Dari beberapa teknik klasifikasi yang paling sering digunakan adalah Support Vector Machine (SVM). SVM memiliki kelebihan yaitu mampu mengidentifikasikan hyperplane terpisah yang memaksimalkan margin antara dua kelas yang berbeda. Tetapi SVM memiliki kekurangan terhadap masalah pemilihan parameter atau fitur yang sesuai. Sehingga dapat mempengaruhi hasil akurasi. Oleh karena itu, dalam penelitian ini menggunakan penggabungan metode pemilihan fitur, yaitu Particle Swarm Optimization (PSO) agar bisa meningkatkan akurasi pada Support Vector Machine. Adapun akurasi yang dihasilkan pada algoritma Support Vector Machine berbasis Particle Swarm Optimmization dengan akurasi 76.00%. 

Kata Kunci: Website, Classification, Support Vector Machine, Particle Swarm Optimizatio