ANALISIS SENTIMEN E-WALLET MENGGUNAKAN ALGORITMA NAIVE BAYES, SUPPORT VECTOR MACHINE DAN KNN BERBASIS PARTICLE SWARM OPTIMIZATION

• KUSUMA ADE
• 14002129

---

ABSTRAK

ABSTRAK

 

 

Nama                     :     Kusuma Ade

NIM                      :     14002129

Program Studi       :     Ilmu Komputer

Jenjang                  :     Program Magister  (S2)

Konsentrasi           :     Data Mining

Judul                     :     “Analisis Sentimen E-Wallet Menggunakan Algoritma

Naive Bayes, Support Vector Machine dan KNN Berbasis Particle Swarm Optimization”

 

Di dalam penelitian ini, akan dibahas tahapan yang dilalui untuk melakukan proses analisis sentimen terhadap e-wallet. Dimulai dari tahap preprocessing sampai tahap analisis sentimen dengan Naive Bayes Classifier, Support Vector Machine dan KNN berbasis Particle Swarm Optimization serta bagaimana mengukur kualitas hasil analisis menggunakan dari masing-masing algoritma klasifikasi. Particle Swarm Optimization (PSO) merupakan teknik optimasi yang digunakan untuk menerapkan dan memodifikasi beberapa parameter dan meningkatkan bobot atribut. Dalam penelitian ini, hasil perhitungan metode SVM mendapatkan nilai akurasi 81,67% sedangkan hasil perhitungan SVM (PSO) mendapatkan nilai akurasi 83,00%. Hasil perhitungan metode NB menghasilkan nilai akurasi 74.17%, sedangkan hasil perhitungan NB (PSO) mendapatkan nilai akurasi 77.50%.  Hasil perhitungan metode KNN menghasilkan nilai akurasi 74,83%, sedangkan hasil perhitungan KNN (PSO) mendapatkan nilai akurasi 75.50%. Akurasi SVM, NB memiliki perbedaan nilai sekitar 7,50%, Akurasi SVM dan KNN memilii perbedaan nilai sekitar 6,84%, Akurasi SVM (PSO) dan NB (PSO) memiliki perbedaan nilai sekitar 5,50%, Akurasi SVM (PSO) dan KNN (PSO) memiliki perbedaan nilai sekitar 7,50%.

 

Kata kunci:

Analisis Sentimen, Text Mining, Klasifikasi, Naive Bayes, Support Vector Machine, Particle Swarm Optimization

KATA KUNCI

Data Mining,Naive Bayes

---

DAFTAR PUSTAKA

DAFTAR REFERENSI

[1]      W. Setyobudi, A. Alwi, and I. P. Astuti, “Sentimen Analisis Twitter Terhadap Penyelenggaraan Gojek Traveloka Liga 1 Indonesia,” Komputek, vol. 2, no. 1, p. 56, 2018, doi: 10.24269/jkt.v2i1.68.

[2]      J. Clement, “Google Play: number of available apps 2009-2020,” Statista, 2020. https://www.statista.com/statistics/266210/number-of-available-applications-in-the-google-play-store/.

[3]      E. Budi Ilmawan, Lutfi;Winarko, “Aplikasi Mobile untuk Analisis Sentimen pada Google Play,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 9, no. 1, pp. 53–64, 2015, doi: 10.22146/ijccs.6640.

[4]      S. A. Aaputra, Didi Rosiyadi, Windu Gata, and Syepry Maulana Husain, “Sentiment Analysis Analisis Sentimen E-Wallet Pada Google Play Menggunakan Algoritma Naive Bayes Berbasis Particle Swarm Optimization,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 377–382, 2019, doi: 10.29207/resti.v3i3.1118.

[5]      R. Mahendrajaya, G. A. Buntoro, and M. B. Setyawan, “Analisis Sentimen Pengguna Gopay Menggunakan Metode Lexicon Based Dan Support Vector Machine,” Komputek, vol. 3, no. 2, p. 52, 2019, doi: 10.24269/jkt.v3i2.270.

[6]      M. W. A. Putra, Susanti, Erlin, and Herwin, “Analisis Sentimen Dompet Elektronik Pada Twitter Menggunakan Metode Naïve Bayes Classifier,” IT J. Res. Dev., vol. 5, no. 1, pp. 72–86, 2020, doi: 10.25299/itjrd.2020.vol5(1).5159.

[7]      A. V. Sudiantoro and E. Zuliarso, “Analisis Sentimen Twitter Menggunakan Text Mining Dengan Algoritma NAÏVE BAYES CLASSIFIER,” Pros. SINTAK 2018, pp. 398–401, 2018.

[8]      A. Pandhu and W. Diki, “Analisa sentimen dan Klasifikasi Komentar Positif Pada Twitter dengan Naïve Bayes Classification Sentiment Analysis and Classification of Positive Comments on Twitter with Naive Bayes Classification,” vol. 1, no. 2, 2020.

[9]      S. Wahyu Handani, D. Intan Surya Saputra, Hasirun, R. Mega Arino, and G. Fiza Asyrofi Ramadhan, “Sentiment analysis for go-jek on google play store,” J. Phys. Conf. Ser., vol. 1196, no. 1, 2019, doi: 10.1088/1742-6596/1196/1/012032.

[10]    I. Oktanisa et al., “Perbandingan Teknik Klasifikasi Dalam Data Mining Untuk Bank a Comparison of Classification Techniques in Data Mining for,” vol. 5, no. 5, pp. 567–576, 2018, doi: 10.25126/jtiik20185958.

[11]    L. A. Utami, “Melalui Komparasi Algoritma Support Vector Machine Dan K-Nearest Neighbor Berbasis Particle Swarm Optimization,” vol. 13, no. 1, pp. 103–112, 2017.

[12]    A. Rosyidi, R. V. H. Ginardi, and A. Munif, “Implementasi Metode K-Nearest Neighbor Untuk Penentuan Lokasi Pos Hujan Terdekat Dengan Titik Rute Perjalanan Pada Aplikasi Clearroute,” J. Tek. ITS, vol. 6, no. 2, 2017, doi: 10.12962/j23373539.v6i2.23581.

[13]    O. Somantri and M. Khambali, “Feature Selection Klasifikasi Kategori Cerita Pendek Menggunakan Naïve Bayes dan Algoritme Genetika,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 6, no. 3, pp. 301–306, 2017, doi: 10.22146/jnteti.v6i3.332.

[14]    W. Gata, “Akurasi Text Mining Menggunakan Algoritma K-Nearest Neighbour pada Data Content Berita SMS,” vol. 6, pp. 1–13, 2017.

[15]    A. E. Sari, S. Widowati, and K. M. Lhaksmana, “Klasifikasi Ulasan Pengguna Aplikasi Mandiri Online di Google Play Store dengan Menggunakan Metode Information Gain dan Naive Bayes Classifier,” e-Proceeding Eng., vol. 6, no. 2, pp. 9143–9157, 2019.

[16]    W. E. Nurjanah, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 12, pp. 1750–1757, 2017, doi: 10.1074/jbc.M209498200.

[17]    D. Feblian and D. U. Daihani, “Implementasi Model Crisp-Dm Untuk Menentukan Sales Pipeline Pada Pt X,” J. Tek. Ind., vol. 6, no. 1, pp. 1–12, 2017, doi: 10.25105/jti.v6i1.1526.

[18]    M. F. Fibrianda and A. Bhawiyuga, “Analisis Perbandingan Akurasi Deteksi Serangan Pada Jaringan Komputer Dengan Metode Naïve Bayes Dan Support Vector Machine (SVM),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 9, pp. 3112–3123, 2018.

[19]    E. Pudjiarti, “Prediksi Spam Email Menggunakan Metode Support Vector Machine Dan Particle Swarm Optimization,” Pilar Nusa Mandiri, vol. XII, no. 2, pp. 171–181, 2016.

[20]    D. G. Nugroho, Y. H. Chrisnanto, and A. Wahana, “Analisis Sentimen Pada Jasa Ojek Online ... (Nugroho dkk.),” pp. 156–161, 2015.

[21]    P. Studi, T. Informatika, and S. A. Riau, “Analisis Sentimen Dompet Elektronik Pada Media Sosial Twitter Menggunakan Naïve Bayes Classifier Pengguna ( dalam Persen ),” vol. 5, no. 1, pp. 72–86, 2020.