Berbagai website dengan hasil review dan ulasan memudahkan kita dalam memenentukan sebuah keputusan. Namun keputusan tersebut belumlah maksimal dan akurat. Seperti review makanan di yelp.com. Pengguna cukup banyak melihat review pada web tersebut sebelum memutuskan untuk memesan makanan. Permasalahan disini adalah jika hasil review terbukti kurang objektif, maka hasil keputusan menjadi tidak akurat. Tujuan dari penelitian ini untuk membantu para pengguna review untuk menghasilkan sebuah keputusan yang optimal. Naïve Bayes terbukti sebagai slah satu metode klasifikasi text yang menghasilkan akurasi tinggi. Sedangkan Particle Swarm Optimization dikenal sebagai algoritma optimasi yang baik untuk penyelesaian masalah berdasarkan parameter proses yang ada. Pada penelitan ini akan digunakan metode Naïve Bayes yang dilakukan ujicoba menggunakan Particle Swarm Optimization untuk pembobotan sehingga hasil akurasinya lebih tinggi. Berdasarkan hasil pengolahan data maka dihasilkan nilai akurasi Naïve Bayes sebesar 81.00% dan 83.80% adalah hasil pengolahan akurasi untuk Naïve Bayes Berbasis Particle Swarm Optimization (PSO). Kesimpulan pada percobaan metode Naïve Bayes tersebut yaitu bahwa PSO dapat meningkatkan nilai optimasi dari sebuah algoritma Naïve Bayes sehingga mampu diterapkan sebagai solusi untuk pemecahan masalah di atas.
Copyrights © 2021