ANALISIS SENTIMEN REVIEW PRODUK KOSMETIK MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN PARTICLE SWARM OPTIMIZATION SEBAGAI METODE SELEKSI FITUR
Abstract
Salah satu cara mengetahui kualitas sebuah produk adalah dengan membaca review produk berdasarkan pengalaman konsumen lain. Seperti halnya produk kosmetik yang beredar di pasaran saat ini sangat beragam, baik dari segi jenis maupun brand. Namun tidak semua kosmetik memiliki kualitas yang baik sesuai dengan kebutuhan konsumen dan hal ini yang harus diperhatikan oleh para konsumen. Saat ini konsumen yang menulis opini, review dan pengalaman secara online semakin meningkat. Pengkajian ulang tentang review produk kosmetik dengan cara pengklasifikasian review tersebut ke dalam class positif dan negatif adalah suatu cara terbaik untuk mengetahui tanggapan konsumen lain tentang produk tersebut secara cepat dan tepat. Dari beberapa teknik klasifikasi yang paling sering digunakan untuk klasifikasi data adalah Support Vector Machine (SVM). SVM memiliki kelebihan yaitu mampu mengidentifikasi hyperplane terpisah yang memaksimalkan margin antara dua kelas yang berbeda. Namun SVM memiliki kekurangan terhadap masalah pemilihan parameter atau fitur yang sesuai. Pemilihan fitur sekaligus penyetingan parameter di SVM secara signifikan mempengaruhi hasil akurasi klasifikasi. Oleh karena itu, dalam penelitian ini digunakan penggabungan metode pemilihan fitur, yaitu Particle Swarm Optimization agar bisa meningkatkan akurasi pengklasifikasi Support Vector Machine. Penelitian ini menghasilkan klasifikasi teks dalam bentuk positif atau negatif dari review produk kosmetik. Pengukuran berdasarkan akurasi Support Vector Machine sebelum dan sesudah penambahan metode pemilihan fitur. Evaluasi dilakukan menggunakan 10 Fold Cross Validation. Sedangkan pengukuran akurasi diukur dengan Confusion Matrix dan Kurva ROC. Hasil penelitian menunjukkan peningkatan akurasi Support Vector Machine dari 89.00 % menjadi 97.00 %.
Full Text:
PDFRefbacks
- There are currently no refbacks.