Klasifikasi Data Opini Film Algoritma Support Vector Machine-Firefly

Authors

  • Nazrul Teknik Komputer

Keywords:

Support Vector Machine, Dataset, Klasifikasi, Algoritma Firefly

Abstract

Analisis sentimen yang digunakan dalam penelitian ini merupakan  sebuah proses klasifikasi teks ke dalam dua kelas yaitu kelas negatif dan positif. Metode klasifikasi yang digunakan adalah metode Support Vector Machine (SVM). Keberhasilan klasifikasi metode SVM pada koefisien soft margin C, serta parameter dari fungsi kernel. Maka dari itu dibutuhkan kombinasi parameter SVM yang tepat untuk melakukan klasifikasi data opini film. Penelitian ini menggunakan metode Firefly sebagai metode optimasi parameter SVM. Dataset yang digunakan dalam penelitian ini adalah data opini masyarakat terhadap beberapa film. Hasil penelitian ini menunjukkan bahwa Firefly Algorithm (FA) dapat membantu SVM untuk mendapatkan kombinasi parameter yang sesuai berdasarkan akurasi dengan waktu eksekusi lebih singkat. Hal ini dibuktikan dengan hasil pengujian SVM dan FA-SVM dengan rentang nilai C=1.0-3.0 dan =0.1-1.0 kualitas akurasi tertinggi yaitu 87,84%. Waktu eksekusi SVM adalah 5928 detik, sedangkan FA-SVM membutuhkan waktu 2330 detik. Selisih waktu antara SVM dan FA-SVM adalah 3598 detik. Pengujian berikutnya dengan rentang nilai C=1.0-3.0 dan =1.0-20. Berdasarkan rentang tersebut, metode SVM maupun metode FA-SVM menghasilkan akurasi tertinggi yaitu 87,15%. Waktu eksekusi yang dibutuhkan oleh metode SVM adalah 7205 detik, sedangkan waktu yang dibutuhkan oleh metode FA-SVM adalah 2388 detik. Selisih waktu antara metode SVM dengan metode FA-SVM adalah 4817 detik.

 

References

Ade, A. P., & Novri, N. H. (2019). APLIKASI SIMPAN PINJAM PADA KOPERASI PT. TELKOM PALEMBANG (KOPEGTEL) MENGGUNAAndrian, D. (2021). Penerapan Metode Waterfall Dalam Perancangan Sistem Informasi Pengawasan Proyek Berbasis Web. Jurnal Informatika Dan Rekayasa Perangkat Lunak (JATIKA), 2(1), . Jurnal Informanika, 5(2).

Ahdan, S., & Sari, P. I. (2020). Pengembangan Aplikasi Web untuk Simulasi Simpan Pinjam (Studi Kasus: Lembaga Keuangan Syariah Bmt L-risma). Jurnal Tekno Kompak, 14(1), 33–40.

Ahmad, I., Borman, R. I., Fakhrurozi, J., & Caksana, G. G. (2020). Software Development Dengan Extreme Programming (XP) Pada Aplikasi Deteksi Kemiripan Judul Skripsi Berbasis Android. INOVTEK Polbeng-Seri Informatika, 5(2), 297–307.

Akbar, M., & Rahmanto, Y. (2020). Desain data warehouse penjualan menggunakan Nine Step Methodology untuk business intelegency pada PT Bangun Mitra Makmur. Jurnal Informatika Dan Rekayasa Perangkat Lunak, 1(2), 137–146.

Aldino, A. A., Saputra, A., & Nurkholis, A. (2021). Application of Support Vector Machine ( SVM ) Algorithm in Classification of Low-Cape Communities in Lampung Timur. 3(3), 325–330. https://doi.org/10.47065/bits.v3i3.1041

Alita, D. (2021). Multiclass Svm Algorithm For Sarcasm Text In Twitter. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 8(1), 118–128.

Alita, D., Fernando, Y., & Sulistiani, H. (2020). Implementasi Algoritma Multiclass SVM pada Opini Publik Berbahasa Indonesia di Twitter. Jurnal Tekno Kompak, 14(2), 86–91.

Ambarwari, A., Adria, Q. J., Herdiyeni, Y., & Hermadi, I. (2020). Plant species identification based on leaf venation features using SVM. Telkomnika, 18(2), 726–732.

Ambarwari, A., Adrian, Q. J., & Herdiyeni, Y. (2020). Analysis of the Effect of Data Scaling on the Performance of the Machine Learning Algorithm for Plant Identification. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(1), 117–122.

Ariyanti, L., Satria, M. N. D., & Alita, D. (2020). Sistem Informasi Akademik Dan Administrasi Dengan Metode Extreme Programming Pada Lembaga Kursus Dan Pelatihan. Jurnal Teknologi Dan Sistem Informasi, 1(1), 90–96.

Darwis, D., Pratiwi, E. S., & Pasaribu, A. F. O. (2020). Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia. Edutic-Scientific Journal of Informatics Education, 7(1).

Ferdiana, R. (2020). A Systematic Literature Review of Intrusion Detection System for Network Security: Research Trends, Datasets and Methods. 2020 4th International Conference on Informatics and Computational Sciences (ICICoS), 1–6.

Isnain, A. R., Hendrastuty, N., Andraini, L., Studi, P., Informasi, S., Indonesia, U. T., Informatika, P. S., Indonesia, U. T., Studi, P., Komputer, T., Indonesia, U. T., & Lampung, K. B. (2021). Comparison of Support Vector Machine and Naïve Bayes on Twitter Data Sentiment Analysis. 6(1), 56–60.

Isnain, A. R., Sakti, A. I., Alita, D., & Marga, N. S. (2021). SENTIMEN ANALISIS PUBLIK TERHADAP KEBIJAKAN LOCKDOWN PEMERINTAH JAKARTA MENGGUNAKAN ALGORITMA SVM. Jurnal Data Mining Dan Sistem Informasi, 2(1), 31–37.

Kurniawan, I., & Susanto, A. (2019). Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019. Eksplora Informatika, 9(1), 1–10. https://doi.org/10.30864/eksplora.v9i1.237

Listiyan, E., & Subhiyakto Rosi, E. (2021). Rancang Bangun Sistem Inventory Gudang Menggunakan Metode Waterfall ( Studi Kasus Di CV.Aqualux Duspha Abadi). Jurnal Konvergensi Teknologi Dan Sistem Informasi, 1, 74–82.

Melinda, M., Borman, R. I., & Susanto, E. R. (2018). Rancang Bangun Sistem Informasi Publik Berbasis Web (Studi Kasus: Desa Durian Kecamatan Padang Cermin Kabupaten Pesawaran). Jurnal Tekno Kompak, 11(1), 1–4.

Neneng, N., Adi, K., & Isnanto, R. (2016). Support Vector Machine Untuk Klasifikasi Citra Jenis Daging Berdasarkan Tekstur Menggunakan Ekstraksi Ciri Gray Level Co-Occurrence Matrices (GLCM). JSINBIS (Jurnal Sistem Informasi Bisnis), 6(1), 1–10.

Neneng, N., Putri, N. U., & Susanto, E. R. (2021). Klasifikasi Jenis Kayu Menggunakan Support Vector Machine Berdasarkan Ciri Tekstur Local Binary Pattern. CYBERNETICS, 4(02), 93–100.

Pasha, D. (2020). SISTEM PENGOLAHAN DATA PENILAIAN BERBASIS WEB MENGGUNAKAN METODE PIECIES. Jurnal Teknologi Dan Sistem Informasi, 1(1), 97–104.

Permata, P., & Abidin, Z. (2020). Statistical Machine Translation Pada Bahasa Lampung Dialek Api Ke Bahasa Indonesia. JURNAL MEDIA INFORMATIKA BUDIDARMA, 4(3), 519–528.

Prastowo, A. T., Darwis, D., & Pamungkas, N. B. (2020). Aplikasi Web Pemetaan Wilayah Kelayakan Tanam Jagung Berdasarkan Hasil Panen Di Kabupaten Lampung Selatan. Jurnal Komputasi, 8(1), 21–29.

Purnomo, D., Irawan, B., & Brianorman, Y. (2017). Sistem Pakar Diagnosa Penyakit Pada Kucing Menggunakan Metode Dempster-Shafer Berbasis Android. Jurnal Coding Sistem Komputer Untan, 05(1), 23–32.

Puspaningrum, A. S., Neneng, N., Saputri, I., & Ariany, F. (2020). PENGEMBANGAN E-RAPORT KURIKULUM 2013 BERBASIS WEB PADA SMA TUNAS MEKAR INDONESIA. Jurnal Komputasi, 8(2), 94–101.

Puspaningrum, A. S., Susanto, E. R., & Sucipto, A. (2020). Penerapan Metode Forward Chaining Untuk Mendiagnosa Penyakit Tanaman Sawi. INFORMAL: Informatics Journal, 5(3), 113–120.

Ramadhanu, P. B., & Priandika, A. T. (2021). RANCANG BANGUN WEB SERVICE API APLIKASI SENTRALISASI PRODUK UMKM PADA UPTD PLUT KUMKM PROVINSI LAMPUNG. Jurnal Teknologi Dan Sistem Informasi, 2(1), 59–64.

Riskiono, S. D. (2018). Implementasi Metode Load Balancing Dalam Mendukung Sistem Kluster Server. SEMNAS RISTEK, 455–460.

Riskiono, S. D., Pasha, D., & Trianto, M. (2018). Analisis Kinerja Metode Routing OSPF dan RIP Pada Model Arsitektur Jaringan di SMKN XYZ. SEMNASTEKNOMEDIA ONLINE, 6(1), 1.

Rusliyawati, Putri, T. M., & Darwis, D. (2021). Penerapan Metode Garis Lurus dalam Sistem Informasi Akuntansi Perhitungan Penyusutan Aktiva Tetap pada PO Puspa Jaya. Jurnal Ilmiah Sistem Informasi Akuntansi (JIMASIA), 1(2), 1–13.

Science, E. (2019). The impact of parameter changes of a detached breakwater on coastal morphodynamic at cohesive shore : A simulation The impact of parameter changes of a detached breakwater on coastal morphodynamic at cohesive shore : A simulation. https://doi.org/10.1088/1755-1315/365/1/012054

Styawati, Andi Nurkholis, Zaenal Abidin, & Heni Sulistiani. (2021). Optimasi Parameter Support Vector Machine Berbasis Algoritma Firefly Pada Data Opini Film. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(5), 904–910. https://doi.org/10.29207/resti.v5i5.3380

Styawati, S., & Mustofa, K. (2019). A Support Vector Machine-Firefly Algorithm for Movie Opinion Data Classification. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 13(3), 219–230.

Sulistiani, H., & Aldino, A. A. (2020). Decision Tree C4.5 Algorithm for Tuition Aid Grant Program Classification (Case Study: Department of Information System, Universitas Teknokrat Indonesia). Edutic - Scientific Journal of Informatics Education, 7(1), 40–50. https://doi.org/10.21107/edutic.v7i1.8849

Sulistiani, H., Muludi, K., & Syarif, A. (2019). Implementation of Dynamic Mutual Information and Support Vector Machine for Customer Loyalty Classification. Journal of Physics: Conference Series, 1338(1). https://doi.org/10.1088/1742-6596/1338/1/012050

Surahman, A., Octaviansyah, A. F., & Darwis, D. (2020). Ekstraksi Data Produk E-Marketplace Sebagai Strategi Pengolahan Segmentasi Pasar Menggunakan Web Crawler. SISTEMASI: Jurnal Sistem Informasi, 9(1), 73–81.

Suri, M. I., & Puspaningrum, A. S. (2020). Sistem Informasi Manajemen Berita Berbasis Web. Jurnal Teknologi Dan Sistem Informasi (JTSI), 1(1), 8–14. http://jim.teknokrat.ac.id/index.php/sisteminformasi

Syah, H., & Witanti, A. (2022). Analisis Sentimen Masyarakat Terhadap Vaksinasi Covid-19 Pada Media Sosial Twitter Menggunakan Algoritma Support Vector Machine (Svm). Jurnal Sistem Informasi Dan Informatika (Simika), 5(1), 59–67. https://doi.org/10.47080/simika.v5i1.1411

Ulum, F., & Muchtar, R. (2018). Pengaruh E-Service Quality Terhadap E-Customer Satisfaction Website Start-Up Kaosyay. Jurnal Tekno Kompak, 12(2), 68–72.

Wantoro, A. (2018). Prototype Aplikasi Berbasis Web Sebagai Media Informasi Kehilangan Barang. Jurnal Teknoinfo, 12(1), 11–15.

Zuhud, D. A. (2014). Mental and relational process of transitivity in Donne’s and Blake’s poems: A Systemic Functional Linguistics approach. International Journal of English and Education, 3.

Downloads

Published

2022-11-02