OPINION MINING POPULARITAS TEMPAT WISATA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN PARTICLE SWARM OPTIMIZATION DARI INSTAGRAM

Main Article Content

Esti Ika Maharani

Abstract

Sosial media sekarang mempunyai efek besar pada pengambilan keputusan, termasuk pada industri wisata untuk mengetahui reputasi dan popularitas sebuah destinasi wisata. Pada era modern seperti sekarang penggunaan media sosial tidakĀ  sekedar media hiburan akan tetapi juga menjadi media buat mengembangkan informasi, baik informasi yang dipercaya maupun tidak. Dari media sosial tersebut, mengizinkan penggunanya untuk bisa mengetahui reaksi pengguna lain terhadap informasi yang sedang hangat dibicarakan. Analisa sentiment atau opinion mining adalah satu dari berbagai solusi untuk mengatasi masalah dalam mengelompokan opini atau review sebagai opini positif, negatif, atau netral secara otomatis. Metode yang dipakaiĀ  merupakan Support Vector Machine (SVM) dan penerapan seleksi fitur Particle Swarm Optimization. Keduanya memanfaatkan library yang telah tersedia dalam python. Support Vector Machine (SVM) merupakan metode untuk menganalisa data dan mengenali pola yang mampu dipakai untuk pengklasifikasian.. Sementara particle swarm berpola optimizer jadi tidak mampu berdiri sendiri, wajib diikuti algoritma lain yang harus melakukan proses pembelajaran terlebih dahulu. Nilai akurasi yang didapatkan sebagai tolak ukur dalam mencari contoh pengujian terbaik untuk masalah klasifikasi sentimen. Hasil penelitian memperlihatkan peningkatan nilai akurasi sebanyak 0.07 untuk algoritma Support Vector Machine dari 0.90 menjadi 0.97 sesudah penerapan seleksi fitur Particle Swarm Optimization.

Article Details

Section
Articles