Optimalisasi Support Vector Machine (SVM) Berbasis Particle Swarm Optimization (PSO) Pada Analisis Sentimen Terhadap Official Account Ruang Guru di Twitter

Abstract

Peningkatan jumlah pengguna yang cukup signifikan menyebabkan opini masyarakat terhadap aplikasi Ruang Guru tersebar luas melalui media sosial khususnya twitter. Dari 15.000 data twitter yang diambil dengan keyword Ruang Guru, didapatkan dataset sejumlah 2.358 melalui proses handling duplicate. Pada penelitian ini dilakukan analisis sentimen dengan menggunakan algoritma Support Vector Machine (SVM) yang dioptimalisasikan dengan Particle Swarm Optimization (PSO) kemudian diuji dengan metode 10-Fold Cross Validation yang menghasilkan tingkat akurasi tertinggi sebesar 89.20%, sementara algoritma Support Vector Machine (SVM) hanya menghasilkan tingkat akurasi tertinggi sebesar 88.56%. Terdapat peningkatan sebesar 0.64% dengan optimalisasi Particle Swarm Optimization. Hasil pada analisis sentimen mayoritas bersifat positif, dengan hasil positif sebanyak 1463 data atau 62.04% dan 895 atau 37.96% sentimen negatif. Dari hasil penelitian ini diharapkan menjadi bahan pertimbangan bagi Ruang Guru untuk meningkatkan kualitas sektor pelayanan yang terdapat pada media sosial khususnya Twitter.