Analisis Sentimen Review Restoran menggunakan Algoritma Naive Bayes berbasis Particle Swarm Optimization

Retno Sari

Sari


Terdapatnya aplikasi yang memudahkan untuk mengetahui ulasan dari suatu tempat atau makanan membuat pembaca dengan mudah menentukan tempat untuk mereka berwisata kuliner. Ulasan yang diberikan terdiri dari ulasan positif dan ulasan negatif. Algoritma Naive Bayes berbasis Particle Swarm optimization dilakukan untuk mengetahui apakah terdapat peningkatan akurasi. Dataset yang digunakan berupa review restoran yang dibagi menjadi 2 class yaitu class positif dan class negatif, data diujikan menggunakan 10 Fold Cross Validation. Analisis sentimen review restoran menggunakan Algoritma Naive Bayes berbasis Particle Swarm Optimization menghasilkan akurasi sebesar 82.45%. Hasil ini lebih baik dibandingkan dengan menggunakan algoritma Naive Bayes saja yang menghasilkan akurasi sebesar 74.34%.


Teks Lengkap:

PDF

Referensi


Ahmed, I., Guan, D., & Chung, T. (2014). SMS Classification based on Naive Bayes classifier and Apriori Alhoritm Frequent Itemset. International Journal of Machine Learning and Computing Vol 4 No 2.

Basari, A. S., Hussin, B., Ananta, I. G., & Zeniarja, J. (2012). Opinion Mining of Movie Revie using Hybrid Method of SUpport Vector Machine and Particle Swarm Optimization. Malaysian Technical Universities Conference on Engineering & Technology 2012,MUCET 2012 (hal. 453-462). Malaysia: Elsevier.

Chen, J. H., Tian, S., & Qu, Y. (2009). Feature Selection for text classification with Naive Bayes. Expert Systems with Application 36 (3), 5432-5435.

Gorunescy, F. (2011). Data Mining Concept Model Technique. Verlag Berlin Heidelberg: Springer.

Govindarajan, M. (2014). Sentimen Analysisi of Restaurant Review Using Hybrid Classification. 2nd IRF International Conference. India.

Gupta, D. K., Reddy, K. S., Shweta, & Ekbal, A. (2015). PSO-ASent: Feature Selection Using Particle Swarm Optimization for Aspect Based Sentiment Analysis. Natural Language Processing and Information Systems Volume 91(1) (hal. 220-233). Switzerland: Springer International.

Han, J., & Kamber, M. (2006). Data Mining Concepts and Techniques. San Francisco: Elsevire.

Korada, N., Kumar, N., & Deekshitulu, Y. (2012). Implementation of Naive Bayesian Classifier and Ada-Boost Algorithm Using Maize Expert System. International Journal of Information Sciencesan Techniques.

Kusrini, & Luthfi, E. (2009). Algoritma Data Mining. Yogyakarta: Andi Offset.

Muthia, D. A. (2017). Analisis Sentimen pada Review Restoran Dengan teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes. Jurnal Ilmu Pengetahuan dan Teknologi Komputer, 39-45.

Zhang, Z., Ye, Q., Zhang, Z., & Yijun, L. (2011). Sentiment classification of Internet restaurant reviews written in Cantonese. Expert Systems with Applications, 7674-7682.




DOI: https://doi.org/10.31311/ji.v6i1.4695

##submission.license.cc.by4.footer##

 dipublikasikan oleh LPPM UBSI
Jl. Kamal Raya No. 18 Cengkareng, Jakarta Barat