Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Informatik : Jurnal Ilmu Komputer
Irza Ramira Putra
Universitas Pembangunan Nasional Veteran Jakarta
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pengaruh Seleksi Fitur Particle Swarm Optimization terhadap Sentimen Analisis Aplikasi Pedulilindungi di Twitter dengan Algoritma Support Vector Machine Irza Ramira Putra; Yuni Widiastiwi; Nurul Chamidah
Informatik : Jurnal Ilmu Komputer Vol 18, No 3 (2022): Desember 2022
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v18i3.4681

Abstract

PeduliLindungi merupakan aplikasi yang ditujukan kepada masyarakat guna menangkal serta menangani COVID-19 di Indonesia. Aplikasi ini wajib dimiliki oleh masyarakat Indonesia, sebagai salah satu hal untuk kewajiban yang dibuat oleh pemerintah dari perundangan yang dibuat untuk memasuki fasilitas publik. Tentunya aplikasi ini juga mendatangkan beberapa tanggapan dari masyarakat. Tanggapan tersebut bisa diungkapkan melalui media sosial yang cukup populer seperti twitter. Melalui twitter, mereka bebas mengungkapkan pendapat mereka tentang penggunaan aplikasi tersebut. Penelitian ini bermaksud untuk mendapatkan informasi sentimen terkait opini masyarakat yang berhubungan dengan penggunaan aplikasi PeduliLindungi, dengan mengaplikasikan algoritma Support Vector Machine serta kernel Radial Basis Function dan algoritma seleksi fitur yaitu Particle Swarm Optimization dalam mengklasifikasikan opini masyarakat terhadap aplikasi PeduliLindungi dari data tweet yang sudah diperoleh serta diberi label sentimen bersifat positif dan label sentimen bersifat negatif. Model Support Vector Machine menghasilkan akurasi sebesar 76.24%, recall (sensitivity) sebesar 82.14%, presisi sebesar 76.67%, dan specificity sebesar 68.89%, sedangkan model Support Vector Machine ditambahkan seleksi fitur yaitu Particle Swarm Optimization mengalami pengingkatan akurasi sebesar 88.12%, recall (sensitivity) sebesar 96.43%, presisi sebesar 84.36%, dan specificity sebesar 77.78%.
Co-Authors Nurul Chamidah Widiastiwi, Yuni