<![CDATA[Pengembangan aplikasi dapat dilakukan dengan melihat masukan pengguna aplikasi yang diberikan melalui google play store. Klasifikasi sentimen analisis dapat memecahkan masalah yang berkaitan dengan pendapat, pandangan, perasaan, dan perilaku melalui studi komputasi. Salah satu algoritma terbaik dalam klasifikasi adalah SVM karena paling efisien dan efektif mengidentifikasi pola. Namun SVM masih memiliki kekurangan dalam pemilihan fitur. Penentuan fitur menentukan hasil akurasi, PSO digunakan untuk menentukan fungsi seleksi untuk meningkatkan akurasi klasifikasi pada SVM dan Naive Bayes. Metode klasifikasi yang dibahas dalam penelitian ini adalah membandingkan Algoritma Naive Bayes berbasis PSO yang telah penulis buat pada penelitian sebelumnya dengan Support Vector Machine berbasis PSO pada ulasan aplikasi flip. Hasil yang diperoleh adalah algoritma Naive Bayes berbasis Particle Swarm Optimization menghasilkan nilai akurasi sebesar 88,24%, sedangkan untuk Support Vector Machine berbasis Particle Swarm Optimization nilai akurasi sebesar 88,61%. Peningkatan akurasi mencapai 0,37%. Support Vector Machine berbasis Particle Swarm Optimization yang menjadi algoritma terbaik untuk data ulasan aplikasi flip.]]>
Copyrights © 2023
