Sentimen Analisis Informasi Covid-19 menggunakan Support Vector Machine dan Naïve Bayes

Ratino Ratino Ratino, Noor Hafidz Hafidz Hafidz, Sita Anggraeni Anggraeni Anggraeni, Windu Gata Gata Gata

Sari


 

Abstrak

Informasi 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.


Teks Lengkap:

PDF

Article Metrics

Sari view : 217 times
PDF - 179 times

Refbacks

  • Saat ini tidak ada refbacks.


Dedicated to:


Indexed by:



Creative Commons License
JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) ISSN : 2085-2029 e-ISSN : 2622-609X This work is licensed under a Creative Commons Attribution 4.0 International License.