Penerapan Model Support Vector Machine Text Mining Pada Komentar Review Smartphone Android VS Blackberry Dengan Teknik Optimasi Genetic Algorithm  

Oleh:

Darmawan, Agus

Jenis: Article from Journal - ilmiah nasional - tidak terakreditasi DIKTI - non-atma jaya
Dalam koleksi: Faktor Exacta: Jurnal Ilmiah Teknologi vol. 08 no. 02 (Jun. 2015), page 100-115.
Topik: Komentar; Review; SVM; Genetic Algoritm (GA) ; Confusion Matrix; Kurva ROC; Comments ; Review; SVM ; Genetic Encryption ( GA ) ; Confusion Matrix ; ROC curve
Fulltext: FF3010008022015.pdf (1.15MB)

Ketersediaan

Perpustakaan Pusat (Semanggi) Nomor Panggil: FF30 Non-tandon: tidak ada Tandon: 1

Lihat Detail Induk

Isi artikel

Pasar smartphone saat ini semakin banyak, penjualanya tidak hanya secara konvensional tetapi sudah merambah di online shop. Namun tidak semua smartphone memiliki kualitas yang baik untuk menunjang kebutuhan konsumen dan hal ini yang harus diperhatikan oleh para konsumen. Sebelum konsumen memutuskan untuk membeli smartphone android atau belackberry sebaiknya konsumen mengetahui dengan detail spesifikasi dan fungsi dari smartphone tersebut, hal ini dapat dipelajari dari testimoni dan opini atau hasil komentar review dari pengguna perbedaan smartphone android atau belackberry. Membaca komentar review tersebut secara keseluruhan dapat memakan waktu, namun jika hanya sedikit komentar review yang dibaca evaluasi akan menjadi bias. Dari beberapa teknik tersebut yang paling sering digunakan untuk klasifikasi data adalah Support Vector Machines (SVM). SVM memiliki kelebihan yaitu mampu mengidentifikasi dengan hyperplane terpisah yang memaksimalkan margin antara dua kelas yang berbeda. Pemilihan fitur sekaligus penyetingan parameter di SVM secara signifikan mempengaruh hasil akurasi klasifikasi. Oleh karena itu, dalam penelitian ini digunakan penggabungan metode seleksi fitur, yaitu Genetic Algoritm (GA) agar bisa meningkatkan akurasi pengklasifikasi Support Vector Machines. Penelitian ini menghasilkan klasifikasi teks dalam bentuk positif atau negatif dari review produk Smartphone. Pengukuran berdasarkan akurasi Support Vector Machines sebelum dan sesudah penambahan metode seleksi fitur. Sedangkan pengukuran akurasi diukur dengan confusion matrix dan kurva ROC. Hasil penelitian menunjukkan peningkatan akurasi Support Vector Machines dari 71.00 % dengan penambahan Genetic Algoritm menjadi 78.02%.

Opini Anda

Klik untuk menuliskan opini Anda tentang koleksi ini!

Kembali