PENINGKATAN AKURASI METODE SUPPORT VECTOR MACHINE DALAM ANALISIS SENTIMEN REVIEW RESTORAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION

Yonatan, Agave (2024) PENINGKATAN AKURASI METODE SUPPORT VECTOR MACHINE DALAM ANALISIS SENTIMEN REVIEW RESTORAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION. Diploma thesis, UPN Veteran Yogyakarta.

	Text COVER.pdf Download (140kB)
	Text ABSTRAK.pdf Download (128kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (255kB)
	Text PENGESAHAN PENGUJI.pdf Download (269kB)
	Text DAFTAR ISI.pdf Download (161kB)
	Text DAFTAR PUSTAKA.pdf Download (151kB)
	Text SKRIPSI FULL_AGAVE YONATAN.pdf Restricted to Repository staff only Download (4MB)

Abstract

Restoran merupakan suatu tempat usaha yang menyediakan hidangan berupa
makanan maupun minuman. Seiring dengan berkembangnya teknologi, para pengelola
restoran mulai mendaftarkan usahanya pada situs tripadvisor.com agar memudahkan
pelanggan dalam mengakses informasi mengenai restoran. Selain itu, tripadvisor.com dapat
memberikan informasi mengenai pengalaman pada sebuah destinasi wisata dalam bentuk
review secara online. Review yang dilakukan oleh pelanggan tersebut memiliki pengaruh
yang sangat besar bagi restoan karena dapat berupa review positif maupun negatif mengenai
restoran tersebut. Namun, dengan banyaknya review yang ada, membuat suatu restoran
kesulitan untuk mengetahui restoran tersebut memiliki lebih banyak review positif atau
negatif. Sehingga, diperlukan adanya analisis sentimen pada review pelanggan restoran
untuk mengklasifikasi review bersifat positif atau negatif.

Pada penelitian ini, dilakukan analisis sentimen menggunakan metode Metode
Support Vector Machine (SVM) merupakan metode klasifikasi yang bekerja dengan cara
mendefinisikan batas antara kelas dengan jarak maksimal dari data yang terdekat. Support
Vector Machine (SVM) dinilai sangat cocok digunakan dalam penelitian ini dikarenakan
memiliki kemampuan untuk menemukan hyperplane terbaik yang akan memisahkan kelas
pada ruang fitur untuk mendapatkan hasil klasifikasi terbaik. Namun, metode SVM memiliki
kelemahan sehingga perlu dilakukan optimasi untuk meningkatkan hasil akurasi, optimasi
yang dilakukan yaitu dengan menggunakan metode Particle Swarm Optimization (PSO).
Data yang digunakan dalam penelitian ini merupakan data review restoran “The House of
Raminten” yang dikumpulkan melalui proses scrapping pada website tripadvisor.com. Data
yang didapatkan akan terbagi ke dalam aspek pelayanan, makanan, lingkungan, dan harga
serta masing-masing aspek terbagi ke dalam label positif, netral, dan negatif. Selain itu,
analisis sentimen yang dilakukan diimplementasikan ke dalam sistem berbasis website
menggunakan metode pengembangan waterfall.

Berdasarkan pengujian yang telah dilakukan menggunakan confusion matrix,
didapatkan hasil pada model dengan hasil akurasi tertinggi pada aspek makanan sebesar
96,77%, dimana hasil tersebut diperoleh oleh model SVM yang dioptimasi PSO pada
proporsi 80%:20%. Pada aspek pelayanan, didapatkan akurasi tertinggi sebesar 96,15%
dengan model SVM yang dioptimasi PSO pada proporsi 90%:10%. Pada aspek lingkungan,
didapatkan akurasi tertinggi sebesar 94,26% dengan model SVM yang dioptimasi PSO pada
proporsi 60%:40%. Pada aspek harga, didapatkan akurasi tertinggi sebesar 96,3% dengan
model SVM yang dioptimasi PSO pada proporsi 60%:40%.

Kata kunci: Analisis Sentimen, Support Vector Machine, Particle Swarm Optimization, Review Restoran

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Analisis Sentimen, Support Vector Machine, Particle Swarm Optimization, Review Restoran
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	23 Jul 2024 07:17
Last Modified:	23 Jul 2024 07:17
URI:	http://eprints.upnyk.ac.id/id/eprint/40352

Actions (login required)

View Item