Implementasi Particle Swarm Optimization (PSO) Pada Analysis Sentiment Review Aplikasi Halodoc Menggunakan Algoritma Naïve Bayes

Implementasi Particle Swarm Optimization (PSO) Pada Analysis Sentiment Review Aplikasi Halodoc Menggunakan Algoritma Naïve Bayes

• By Solecha, Kusmayanti;
• Jurnal Nasional Terakreditasi
• 295
• 17-23

Kesehatan sangat penting bagi manusia, jika mengalami gejala atau merasakan sakit maka sewajarnya kita memeriksakan kesehatan dan mendatangi rumah sakit atau klinik, namun jika tidak memungkinkan untuk keluar rumah maka aplikasi konsultasi kesehatan secara online dianggap dapat membantu. Namun sebelum dapat menggunakan dan memanfaatkan aplikasi tersebut perlu diketahui review dari konsumen berdasarkan opini positif dan opini negatif. Penelitian ini menerapkan algoritma naive bayes untuk melakukan klasifikasi teks dan memilih fitur seleksi particle swarm optimazation untuk mendukung peningkatan akurasi yang didapatkan. Evaluasi dan validasi klasifikasi dilakukan menggunakan confusion matriks dan Kurva ROC. Hasil penelitian menunjukkan peningkatan akurasi yang sebelumnya 88,50% dan AUC 0.535, mengalami peningkatan menjadi 90.50% dan AUC 0,525. Dapat diambil kesimpulan bahwa pemilihan fitur seleksi particle swarm optimazation berhasil meningkatkan akurasi. 

• Katakunci Fitur seleksi, naïve bayes, particle swarm optimization
• URL http://ejournal.urindo.ac.id/index.php/TI/article/view/1330/833
• Penerbit ,

REFERENSI