Sentiment Analysis Pandangan Masyarakat Terhadap Tarif Tol Trans-Jawa Menggunakan Support Vector Machine dan Particle Swarm Optimization
Keywords:
sentiment analysis; Trans-Jawa; svm; pso; vb.netAbstract
Jalan Tol Trans-Jawa adalah jalan tol yang menghubungkan kota-
kota di pulau Jawa dimana mempunyai jarak ±1.000 kilometer, Jalan
tol ini menghubungkan dua kota terbesar di Indonesia Jakarta dan
Surabaya, banyak opini masyarakat baik dunia nyata maupun di
media sosial mengenai tol trans jawa terlebih tarifnya yang hampir
mencapai 1 juta rupiah, pada penulisan jurnal ilmiah ini dilakukan
sentiment analysis terkait tarif tol trans jawa, data yang digunakan
diambil dari jaringan media sosial twiter pada periode bulan juni
dan juli, didapatkan data mentah 543 data, setelah dilakukan
cleansing dan Preprocessing, data yang dapat diolah 108 data
dengan rincian 54 negatif dan 54 positif. Berdasarkan pemodelan
menggunakan algoritma support vector machine(SVM) didapat
bahwa pandangan masyarakat terhadap jalan tol trans-jawa terlihat
lebih banyak yang positif sebesar 52% dengan akurasi 68,36%
dengan kurva roc 0,776 dan di optamasi dengan Particle Swarm
Optimization (PSO) sehingga mengalami kenaikan akurasi menjadi
75% dan kurva roc 0,802, lalu dari hasil yang didapatkan dibuatlah
kamus data dari bobot yang ada menggunakan Visual Basic .NET
(VB.Net).
References
P., & zeniarja, j. (2013). Opinion mining
of movie review using hybrid method of
support vector machine and particle
swarm optimization. Procedia
engineering, 53, 453–462.
[3]. B. Pang and L. Lee, “Opinion Mining
and Sentiment Analysis,” Found Trends
Inf Retr, vol. 2, no. 1–2, pp. 1–135, Jan.
2008.
[4]. Chou, j.-s., cheng, m.-y., wu, y.-w., &
pham, a.-d. (2014). Optimizing
parameters of support vector machine
using fast messy genetic algorithm for
dispute classification. Expert systems
with applications, 41(8), 3955–3964.
[5]. Feldman, R & Sanger, J. (2007) The
Text Mining Handbook-Advanced
Approaches in Analyzing
Unstructured Data, USA: New York.
[6]. Gerunescu, florin (2011). Data mining:
concept, model, and techniques. Verlag
scoring berlin heidelberg: springer.
[7]. Hearst, M. A. (1997) Text data mining:
Issues, techniques, and the relationship to
information access. Presentation notes for
UW/MS workshop on data mining, July
1997.
[8]. Larose, D. T., & Larose, C. D. (2014).
Discovering Knowledge in Data.
[9]. Parikh, R., & Movassate, M. (2009).
Sentimen Analysis of User Generated
Twitter Updates using Various
Classification.
[10].Vinodhini.G,Chandrasekaran.RM.(2012)
Sentiment Analysis and Opinion Mining:
A Survey. International Journal of
Advanced Research in Computer Science
and Software Engineering, ISSN: 2277
128X,Vol 2.
[11].Weiss, S. M., Indurkhya , Nitin dan
Zhang, Tong (2010). Fundamentals of
predictive text mining. London: Springer-
Verlag,2010.
[12].Zhao, M., Fu, C., Ji, L., Tang, K., dan
Zhou, M.Feature selection and parameter
optimization for support vector
machines: A new approach based on
genetic algorithm with feature
chromosomes. Expert Systems with
Applications, 38(5), 5197–5204 (2011).
[13].Feldman, R & Dagan, I. (1995)
Knowledge discovery in textual
databases (KDT). Dalam Proceedings of
the First International Conference on
Knowledge Discovery and Data Mining
(KDD-95), Montreal, Canada, August
20-21, AAAI Press, 112-117.
[14].Edy Winarno ST, M.Eng, Ali
Zaki,SmitDev Community (2010:8),
dalam buku “Web Programming dengan
Visual Basic 2010.
[15].Hermawati, F. A., 2013. Data Mining.
Yogyakarta: Andi.
[16].Yudha.Afri (2018). Analisis Sentiment
Untuk Menilai Kepuasan Masyarakat
Terhadap Kinerja Puan Maharani Di
Kabinet Kerja Menggunakan Support
Vector Machine Dan Naive Bayes,
STMIK Nusa Mandiri.
[17].https://tirto.id/ambisi-menyambungkan-
jawa-dengan-tol-bUXX
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2019 Afri Yudha, Yosep Nuryaman, Aulia Andhikawati, Ernawati Ernawati, Nandang Suwela
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
