<![CDATA[Analisis sentimen twitter merupakan teknik untuk mengidentifikasi sentimen atau pendapat dalam tweet dan kemudian mengategorikannya ke dalam tweet positif atau tweet negatif salah satu topik yang dibahas pada social media twitter adalah mobil listrik, mobil listrik memiliki beberapa kelebihan dibandingkan dengan mobil bahan bakar fosil. Mobil listrik ini menuai banyak komentar dari masyarakat sehingga menimbulkan pro dan kontra di sosial media twitter. Penelitian ini dilakukan tujuannya untuk mengetahui pendapat masyarakat terhadap mobil listrik. Apakah pendapat tersebut lebih mengarah ke positif atau negatif dan untuk mengetahui nilai accuracy, AUC dari penggunaan metode Support Vector Machine dan feature selection Particle Swarm Optimization pada Software RapidMiner Studio. di dalam penelitian ini dapat diketahui bahwa 94,25% pengguna twitter setuju dan 5,75% pengguna twitter tidak setuju terhadap kehadiran mobil listrik. Penggunaan feature selection Particle Swarm Optimization pada metode support vector machine untuk menganalisis sentimen masyarakat mengenai mobil listrik dapat meningkatkan nilai accuracy dan AUC. Dimana nilai accuracy yang awalnya sebesar 82,51% menjadi 86,07%, terjadi kenaikan sebesar 3,56%. Sedangkan nilai AUC yang awalnya sebesar 0,844 menjadi 0,862 terjadi kenaikan sebesar 2,13%. Kata kunci: Analisis Sentimen, Text Mining, Support Vector Machine, Particle Swarm Optimization, Mobil Listrik.]]>
Copyrights © 2022
