PENGUKURAN KINERJA OPTIMASI ALGORITMA BAT PADA ALGORITMA NAIVE BAYES, DECISION TREE DAN K-NN UNTUK SENTIMEN ANALISIS DI LINI MASA TWITTER

Adipradana, Candra (2021) PENGUKURAN KINERJA OPTIMASI ALGORITMA BAT PADA ALGORITMA NAIVE BAYES, DECISION TREE DAN K-NN UNTUK SENTIMEN ANALISIS DI LINI MASA TWITTER. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 18.52.1125 Candra Adipradana.pdf Download (4MB)

Abstract

Media sosial merupakan suatu media komunikasi yang sangat efektif pada era digital saat ini. Dari sekian media sosial, Twitter merupakan media sosial yang paling banyak digunakan. Banyak tweet yang masuk pada Twitter mendorong timbulnya penelitian dibidang text mining. Salah satu cabang dari text mining adalah sentimen analisis. Sentiment analisis pada penelitian ini dibentuk dari 3 algoritma klasifikasi yaitu Naïve Bayes, Decission Tree dan K-NN. Pada prakteknya, hasil dari 3 algoritma klasifikasi tersebut sering kali menghasilkan tingkat akurasi yang sangat rendah. Algoritma Bat/kelelawar merupakan algoritma yang mampu mengoptimasi hasil dari akurasi dari algoritma Naïve Bayes, Decission Tree, K-NN. Dalam penelitian ini, dibuat 2 skenario penelitian yaitu pertama, menghitung akurasi dari algoritma Naïve Bayes, Decission Tree dan K-NN. Kedua, mengoptimasi hasil klasifikasi dari 3 algoritma tersebut dengan metode algoritma Bat yang kemudian diujikan kembali nilai akurasinya. Pada skenario pertama persentase dihasilkan dari nilai akurasi Naïve Bayes sebesar 33,58, Decission Tree senilai 32,82 dan K-NN senilai 33,61. Pada skenario kedua, dengan menggunakan salah satu fungsi obyektif yaitu f(x) = x dihasilkan nilai Naïve Bayes 39,01, Decission Tree 76,63 dan K-NN 66,15. Dari hasil 3 uji optimasi Algoritma Klasifikasi ini didapatkan bahwa keseluruhan fungsi obyektif dari algoritma Bat ini semuanya mampu meningkatkan nilai akurasi data dari sebelum dioptimasi. Dari sekian pengujian didapatkan bahwa algoritma Decision Tree memiliki nilai rata-rata pertambahan optimasi tertinggi yaitu 43,81%.

Actions (login required)

View Item