Algorithm Comparation of Naive Bayes and Support Vector Machine based on Particle Swarm Optimization in Sentiment Analysis of Freight Forwarding Services

Komparasi Algoritma Klasifikasi Berbasis Particle Swarm Optimization pada Analisis Sentimen Ekspedisi Barang

  • Sharazita Dyah Anggita Universitas AMIKOM Yogyakarta
  • Ikmah Universitas Amikom Yogyakarta
DOI: https://doi.org/10.29207/resti.v4i2.1840
Keywords: Sentiment, Naïve Bayes, SVM, PSO

Abstract

The needs of the community for freight forwarding are now starting to increase with the marketplace. User opinion about freight forwarding services is currently carried out by the public through many things one of them is social media Twitter. By sentiment analysis, the tendency of an opinion will be able to be seen whether it has a positive or negative tendency. The methods that can be applied to sentiment analysis are the Naive Bayes Algorithm and Support Vector Machine (SVM). This research will implement the two algorithms that are optimized using the PSO algorithms in sentiment analysis. Testing will be done by setting parameters on the PSO in each classifier algorithm. The results of the research that have been done can produce an increase in the accreditation of 15.11% on the optimization of the PSO-based Naive Bayes algorithm. Improved accuracy on the PSO-based SVM algorithm worth 1.74% in the sigmoid kernel.

Downloads

Download data is not yet available.

References

T. A. Lorosae, B. D. Prakoso, Saifudin, and Kusrini, “Analisis Sentimen Berdasarkan Opini Masyarakat Pada Twitter Menggunakan Naive Bayes,” Semin. Nas. Teknol. Inf. dan Mutimedia, 2018.

J. Ipmawati, Kusrini, and E. Taufiq Luthfi, “Komparasi Teknik Klasifikasi Teks Mining Pada Analisis Sentimen,” Indones. J. Netw. Secur., vol. 6, no. 1, pp. 28–36, 2017.

R. Raksanagara, Y. H. Chrisnanto, and A. I. Hadiana, “Analisis Sentimen Jasa Ekspedisi Barang Menggunakan Metode Naïve Bayes,” Anal. Sentimen Jasa Ekspedisi Barang Menggunakan Metod. Naive Bayes, pp. 19–24, 2016.

N. Saputra, T. B. Adji, and A. E. Permanasari, “Analisis Sentimen Data Presiden Jokowi dengan Preprocessing Normalisasi dan Stemming Menggunakan Metode Naive Bayes dan SVM,” J. Din. Inform., vol. 5, no. November, p. 12, 2015.

A. Novantirani, M. K. Sabariah, and V. Effendy, “Analisis Sentimen pada Twitter untuk Mengenai Penggunaan Transportasi Umum Darat Dalam Kota dengan Metode Support Vector Machine,” e-Proceeeding Eng., 2015.

F. S. Jumeilah, “Penerapan Support Vector Machine (SVM) untuk Pengkategorian Penelitian,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 1, no. 1, p. 19, 2017, doi: 10.29207/resti.v1i1.11.

R. R. Setiawan et al., “Analisis Sentimen Pariwisata di Kota Malang Menggunakan Metode Naive Bayes dan Seleksi Fitur Query Expansion Ranking,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., 2017, doi: 10.1074/jbc.M209498200.

J. Abellán and J. G. Castellano, “Improving the Naive Bayes classifier via a quick variable selection method using maximum of entropy,” Entropy, vol. 19, no. 6, 2017, doi: 10.3390/e19060247.

A. W. Attabi, L. Muflikhah, and M. A. Fauzi, “Penerapan Analisis Sentimen untuk Menilai Suatu Produk pada Twitter Berbahasa Indonesia dengan Metode Naïve Bayes Classifier dan Information Gain,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 11, pp. 4548–4554, 2018.

B. S. Prakoso, D. Rosiyadi, H. S. Utama, and D. Aridarma, “Klasifikasi Berita Menggunakan Algoritma Naive Bayes Classifer Dengan Seleksi Fitur Dan Boosting,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 2, pp. 227–232, 2019, doi: 10.29207/resti.v3i2.1042.

Y. Zhou, N. Wang, and W. Xiang, “Clustering Hierarchy Protocol in Wireless Sensor Networks Using an Improved PSO Algorithm,” IEEE Access, vol. 5, pp. 2241–2253, 2017, doi: 10.1109/ACCESS.2016.2633826.

F. Pramono, Didi Rosiyadi, and Windu Gata, “Integrasi N-gram, Information Gain, Particle Swarm Optimation di Naïve Bayes untuk Optimasi Sentimen Google Classroom,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 383–388, 2019, doi: 10.29207/resti.v3i3.1119.

A. Taufik, P. Studi, and S. Informasi, “Optimasi Particle Swarm Optimization Sebagai Seleksi Fitur Pada Analisis Sentimen Review Hotel Berbahasa Indonesia Menggunakan Algoritma Naïve Bayes,” vol. III, no. 2, pp. 40–47, 2017.

Published
2020-04-20
How to Cite
Sharazita Dyah Anggita, & Ikmah. (2020). Algorithm Comparation of Naive Bayes and Support Vector Machine based on Particle Swarm Optimization in Sentiment Analysis of Freight Forwarding Services. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(2), 362 - 369. https://doi.org/10.29207/resti.v4i2.1840
Issue
Vol 4 No 2 (2020): April 2020
Section
Artikel Rekayasa Sistem Informasi

Copyright (c) 2020 Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi)

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Hak cipta pada setiap artikel adalah milik penulis.

  1. Penulis mengakui bahwa Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi)  sebagai publisher yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution 4.0 International License.
  2. Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) ;