OPTIMASI PARAMETER KERNEL RADIAL BASIS FUNCTION PADA SUPPORT VECTOR MACHINE DENGAN GENETIC ALGORITHM UNTUK MELAKUKAN SENTIMENT ANALYSIS (STUDI KASUS: KOMENTAR MASYARAKAT PADA INSTAGRAM UNIVERSITAS PENDIDIKAN GANESHA)

Darmawan, I Putu Dedy Wira (2023) OPTIMASI PARAMETER KERNEL RADIAL BASIS FUNCTION PADA SUPPORT VECTOR MACHINE DENGAN GENETIC ALGORITHM UNTUK MELAKUKAN SENTIMENT ANALYSIS (STUDI KASUS: KOMENTAR MASYARAKAT PADA INSTAGRAM UNIVERSITAS PENDIDIKAN GANESHA). Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1715051017-COVER.pdf
Download (2MB)
[img] Text (ABSTRAK)
1715051017-ABSTRAK.pdf
Download (124kB)
[img] Text (BAB 1 PENDAHULUAN)
1715051017-BAB 1 PENDAHULUAN.pdf
Download (860kB)
[img] Text (BAB 2 KAJIAN TEORI)
1715051017-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
1715051017-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
1715051017-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (6MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
1715051017-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (187kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1715051017-DAFTAR PUSTAKA.pdf
Download (577kB)
[img] Text (LAMPIRAN)
1715051017-LAMPIRAN.pdf
Download (12MB)

Abstract

Universitas Pendidikan Ganesha memanfaatkan media sosial khususnya Instagram sebagai media informasi dan branding. Media sosial ini membuat penguna lain dapat berinteraksi, beropini, dan memberikan penilaian secara terbuka kepada Universitas Pendidikan Ganesha dengan cara memberikan komentar secarca langsung. Kumpulan komentar ini dapat dimanfaatkan menjadi sebuah informasi yang berguna menggunakan sentiment analysis. Sentiment analysis adalah bidang studi yang menganalisis opini, sentimen, emosi, penilaian, dan sikap seseorang terhadap suatu produk atau sebuah kebijakan. Metode yang umum digunakan untuk melakukan analisis sentimen adalah klasifikasi menggunakan machine learning. Salah satu machine learning yang sering digunakan adalah Support Vector Machine (SVM). Namun, pada masalah yang bersifat non-linear seperti analisis sentimen ini, SVM memerlukan kernel untuk memetakan vektor ke dalam ruang berdimensi tinggi agar dapat menyelesaikan permasalahan non-linear. Tantangan yang dihadapi dalam menggunakan kernel adalah memilih parameter yang optimal untuk model klasifikasi agar dapat menghasilkan model klasifikasi yang baik. Tujuan dari penelitian ini adalah mencari parameter yang paling optimal untuk SVM menggunakan Genetic Algorithm. Penelitian ini menjelaskan bagaimana merancang sebuah model klasifikasi SVM-GA mulai dari tahap pengumpulan data, pengolahan data, klasifikasi, hingga evaluasi. Hasil penelitian menunjukan bahwa akurasi terbaik yang dihasilkan dengan parameter yang dioptimasi dengan algoritma genetika adalah 81,6%. Hasil ini lebih baik dari menggunakan parameter default SVM-RBF yang hanya mendapatkan akurasi 74,4% dan pemilihan parameter acak secara manual yang menghasilkan 79,2%.

Item Type: Thesis (Undergraduate)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Pendidikan Teknik Informatika (S1)
Depositing User: I Putu Dedy Wira Darmawan
Date Deposited: 14 Feb 2023 00:47
Last Modified: 14 Feb 2023 00:47
URI: http://repo.undiksha.ac.id/id/eprint/13922

Actions (login required)

View Item View Item