Analisis Sentimen Ulasan Aplikasi Flip Menggunakan Naïve Bayes dengan Seleksi Fitur PSO

Abstract

Ulasan mengenai sebuah aplikasi dapat menjadi referensi bagi pengguna lain, dapat juga menjadi masukan bagi perusahaan aplikasi untuk evaluasi guna perbaikan dan peningkatan layanan. Aplikasi bidang perbankan yang saat ini banyak digunakan karena penggunaannya dapat memangkas biaya admin transaksi transfer antar bank yaitu aplikasi flip. Ulasan mengenai aplikasi flip ini dapat di ekstrak sehingga informasi didalamnya dapat dipelajari dengan menggunakan analisis sentimen data mining klasifikasi. Salah satu algoritma yang dapat diterapkan adalah naïve bayes. Namun data dalam bentuk text memiliki permasalahan fitur yang menyebabkan data menjadi tidak relevan dan dapat mengurangi akurasi. Hal inilah yang menyebabkan dibutuhkannya seleksi fitur untuk peningkatan akurasi naïve bayes yaitu menggunakan Particle Swarm Optimization (PSO). Pada penelitian ini ulasan mengenai aplikasi flip yaitu 200 dataset yang dibagi menjadi 100 data positif dan 100 data negatif diolah menggunakan rapid miner dengan menerapkan metode naïve bayes yang dioptimasi dengan PSO. Hasil pengolahan menggunakan naïve bayes 82,00%, kemudian di optimasi dengan PSO  dan didapatkan hasil 88,24%.