Setiawan, Wahyu (2017) PERBAIKAN FEATURE SELECTION PADA SUPPORT VECTOR MACHINE MENGGUNAKAN PARTICLE SWARM OPTIMIZATION UNTUK SENTIMENT ANALYSIS TWITTER PARIWISATA INDONESIA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (218kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (987kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (2MB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (82kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (117kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Source Code_15.21.0845 Wahyu Setiawan.zip Restricted to Repository staff only Download (8MB) |
|
Text (PUBLIKASI)
Publikasi_15.21.0845 Wahyu Setiawan.pdf Restricted to Repository staff only Download (1MB) |
Abstract
Dengan perkembangan teknologi yang cepat pada saat ini, terdapat banyak informasi yang tersaji melalui media sosial. Salah satunya merupakan twitter dalam menyampaikan berita terhadap teman, kerabat, dan media dengan cepat dan mudah. Melalui text mining maka menambang atau mengumpulkan statement yang terdapat dalam media twitter yang dijadikan bahan utama untuk sentiment analysis. Pendekatan support vector machine merupakan suatu pendekatan dengan machine learning yang memprediksi kelas berdasarkan training. Pendekatan Particle Swarm Optimization merupakan pendekatan yang kelompokan data berdasarkan sifat dari setiap particle tersebut yang dapat mendukung dari Feature Selection. Feature Selection adalah suatu kegiatan yang umumnya bisa dilakukan secara preprocessing dan bertujuan untuk memilih feature yang berpengaruh dan mengesampingkan Feature yang tidak berpengaruh dalam suatu kegiatan pemodelan atau penganalisaan data. Sehingga pendapat itu dapat digolongkan pada bisa digolongkan dalam negatif, positif, dan netral berdasarkan sifat dari masingmasing particle.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Support Vector Machine, Particle Swarm Optimization, Data Mining, Kecerdasan Buatan, Sistem, Optimalisasi, Sentiment Analysis | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 04 Aug 2022 02:55 | ||
| Last Modified: | 15 Sep 2023 02:00 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/4926 |
Actions (login required)
 |
View Item |