Klasifikasi Sentimen Review Pengguna Pada Aplikasi Google Meet Menggunakan PSO Terhadap Optimasi Metode SVM

Abstract

Semenjak adanya virus corona diberlakukan kebijakan baru di Indonesia.Kebijakan tersebut menganjurkan pelajar dan pekerja untuk berkegiatan dari rumah secara virtual. Aplikasi video conference dapat membantu dalam mengatasi masalah tersebut, salah satunya adalah Google Meet. Dalam pelayanan yang diberikan aplikasi tersebut tentu belum sempurna, memiliki kelebihan dan kekurangan dari sudut pandang pengguna. Oleh karena itu, penelitian ini akan melakukan analisis sentimen pada aplikasi Google Meet untuk memberikan informasi atau evaluasi mengenai tanggapan pengguna melalui ulasan komentar, dengan mengklasifikasikan opini menjadi opini positif dan negatif menggunakan metode Support Vector Machine (SVM) dan Particle Swarm Optimazation (PSO) sebagai metode seleksi fitur. Data ulasan yang diperoleh akan dilakukan pelabelan dan pembersihan data sebelum dilakukan pengolahan data, kemudian data diberikan bobot pada setiap kata dengan TF- IDF yang akan dijadikan fitur setelah itu dilakukan seleksi fitur dengan PSO, kemudian dilakukan pembagian data menggunakan 10-fold cross validation dan diklasifikasikan dengan metode SVM. Hasil rata-rata evaluasi confussion matrix dimana accuracy sebesar 80%, precision sebesar 84%; recall sebesar 82% dengan menggunakan metode SVM dan accuracy sebesar 82%; precision sebesar 92%; recall sebesar 80% dengan menggunakan metode PSO.