Analisis Sentimen Transportasi Online Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization

Terdapat fenomena transportasi online dengan masalah seperti kriminalitas dan penipuan di Indonesia yang memicu pro dan kontra pada pengguna Twitter. Makalah ini bertujuan mengetahui sentimen masyarakat terhadap transportasi online dan membandingkan akurasi SVM dan SVM-PSO dengan nilai parameter default. Solusi yang diusulkan adalah membagi dataset ke dalam data training dan testing, karena beberapa penelitian mengenai optimasi hanya menggunakan satu dataset yang sudah diklasifikasikan. Data penelitian adalah data tweet dengan metode scraping menggunakan Octoparse. Total 1.852 data tweet dari 1/1/2019 hingga 15/10/2019 yang dibagi menjadi data testing 1.130 tweet dan training 722 tweet serta RapidMiner digunakan untuk proses analisis. Analisis sentimen positif menggunakan SVM adalah sebesar 62% dan sentimen negatif sebesar 38%, sedangkan pada SVM-PSO, opini positif sebesar 53% dan negatif 47%. Hasil penelitian menggunakan 10 k-fold CV menghasilkan akurasi pada SVM sebesar 95,46% dan AUC 0,979 (excellent classification), sedangkan pada SVM-PSO sebesar 96,04% dan AUC 0,993 (excellent classification). Hasil menunjukkan bahwa penggunaan data training dan testing dapat dilakukan dan terbukti bahwa SVM-PSO lebih baik daripada SVM biasa, meskipun menggunakan nilai parameter default.