ANALISIS SENTIMEN TERHADAP APLIKASI E-WALLET DANA DENGAN PARTICLE SWARM OPTIMIZER (PSO) PADA METODE SUPPORT VECTOR MACHINE (SVM)

ASYHARY, MUHAMMAD SYUKRON RIFQI (2023) ANALISIS SENTIMEN TERHADAP APLIKASI E-WALLET DANA DENGAN PARTICLE SWARM OPTIMIZER (PSO) PADA METODE SUPPORT VECTOR MACHINE (SVM). Other thesis, UPN "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (54kB)
	Text COVER.pdf Download (188kB)
	Text DAFTAR ISI.pdf Download (37kB)
	Text DAFTAR PUSTAKA.pdf Download (81kB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (122kB)
	Text HALAMAN PENGESAHAN PENGUJI.pdf Download (92kB)
	Text SKRIPSI FULL_123180016_MUHAMMAD SYUKRON RIFQY ASYHARY.pdf Restricted to Repository staff only Download (3MB)

Abstract

E-Wallet adalah uang elektronik berbasis server dimana dalam proses penggunaannya
harus terhubung terlebih dahulu dengan server. Di Indonesia layanan e-wallet digunakan
banyak orang terutama mereka yang berada dalam usia produktif. Alasan utama mereka
menggunakan e-wallet adalah karena praktis. Pada aplikasi tersebut menyediakan beberapa
ulasan, Ulasan dari pengguna tersebut sering digunakan sebagai alat yang efektif dan efisien
dalam menemukan informasi terhadap suatu produk atau jasa, oleh karena itu diperlukan
analisis sentiment terhadap ulasan pengguna, salah satu caranya dengan menggunakan Support
Vector Machine (SVM)
SVM termasuk dalam metode machine learning yang bekerja berdasarkan prinsip
Structural Risk Minimization (SRM). Tujuannya adalah untuk menemukan hyperplane terbaik
yang memisahkan kelas pada input space. Namun metode SVM memiliki kelemahan dalam
pemilihan parameter yang sesuai. kualitas dari pemilihan parameter berpengaruh pada kualitas
dari kinerja pembelajaran dan generalisasi. Pemilihan parameter yang optimal akan
meningkatkan akurasi dan klasifikasi, jika bekerja dengan parameter default hasil klasifikasi
dan akurasi bekerja kurang maksimal. Particle Swarm Optimizer (PSO) diusulkan untuk
diterapkan sebagai algortima pencarian parameter yang efisien pada SVM.
Hasil penelitian dan pembahasan yang telah dilakukan, kombinasi parameter untuk
metode SVM tanpa PSO dengan nilai parameter default. Dan dari hasil metode SVM dengan
PSO mendapatkan kombinasi parameter C = 2.6784 dan nilai parameter Gamma=0.0747.
Optimasi Particle Swarm Optimizer (PSO) dapat memberikan pengaruh yang baik dalam
mengatasi permasalahan pada metode SVM yang digunakan pada penlitian ini.
Pengujian K-fold Cross validation didapatkan peningkatan pada setiap nilai. Untuk hasil rata-rata pada nilai
akurasi sebesar 11% dari 65% menjadi 76% sedangkan untuk rata-rata presisi sebesar 6% dari
71% menjadi 77% dan terakhir untuk rata-rata recall didapatkan sebesar 11% dari 63% menjadi
74%. Pada pengujian yang kedua yaitu dengan confusion matrix didapatkan peningkatan pada
model SVM setelah dilakukan optimasi PSO dengan nilai rata-rata accuration sebesar 4% dari
79% menjadi 83%, untuk peningkatan precision sebesar 1% dari 82% menjadi 83% dan
terakhir peningkatan recall sebesar 4% dari 74% menjadi 78%.
Kata Kunci : Analisis Sentimen, SVM, PSO, aplikasi DANA, Optimasi Parameter

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Sentimen, SVM, PSO, aplikasi DANA, Optimasi Parameter
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Apriliani Kusuma Wardhani
Date Deposited:	25 Sep 2023 08:31
Last Modified:	25 Sep 2023 08:32
URI:	http://eprints.upnyk.ac.id/id/eprint/37684

Actions (login required)

View Item