ANALISIS SENTIMEN ULASAN APLIKASI INVESTASI MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE BERBASIS PARTICLE SWARM OPTIMIZATION

Abstract

Perkembangan teknologi telah mengubah cara hidup manusia menjadi digital, memberikan dampak yang besar terhadap sektor ekonomi, bisnis, dan investasi. Namun, tindakan penipuan sering terjadi. Oleh karena itu, penting untuk mempertimbangkan ulasan pengguna sebelumnya dalam memilih aplikasi. Namun, jumlah ulasan yang terus meningkat membaca sebagian ulasan membuat hasilnya kurang representatif. Metodologi yang digunakan yaitu KDD dengan dua pemodelan, pertama Algoritma SVM dan yang kedua Algoritma SVM dioptimasi dengan PSO. Data dibagi menjadi dua, yaitu data pelatihan dan data uji, dengan empat skenario perbandingan 90:10, 80:20, 70:30, dan 60:40. Hasil yang didapat dari pemodelan pertama menyatakan bahwa Algoritma SVM mendapatkan hasil bahwa nilai accuracy tertinggi pada tiap aplikasi berbeda-beda. Sedangkan pada pemodelan kedua dengan Algoritma SVM dioptimasi oleh PSO mendapatkan bahwa nilai akurasi tertinggi pada semua aplikasi yaitu pada skenario ke-1 dengan pembagian data 90:10. Nilai evaluasi lainnya juga meningkat, termasuk akurasi, presisi, recall, dan f1-score. Aplikasi Ajaib berhasil mencapai hasil terbaik dengan akurasi tertinggi mencapai 93,33%, serta nilai presisi 100%, recall 90%, dan f1-score 95%. Maka dapat disimpulkan bahwa kombinasi analisis sentimen ulasan menggunakan algoritma SVM yang kemudian dioptimasi dengan PSO menunjukkan kinerja yang lebih unggul dibandingkan dengan penggunaan algoritma SVM saja.