PERBANDINGAN KINERJA SUPPORT VECTOR MACHINE DENGAN OPTIMASI PARTICLE SWARM DAN BAYESIAN PADA ANALISIS SENTIMEN KEBENCANAAN DI INDONESIA = COMPARISON OF SUPPORT VECTOR MACHINE PERFORMANCE WITH PARTICLE SWARM AND BAYESIAN OPTIMIZATION IN INDONESIA DISASTER SENTIMENT ANALYSIS

Informasi yang tersebar di masyarakat memiliki peran penting dalam penanganan bencana sebagai gambaran untuk mengetahui perkembangan keadaan setelah terjadinya bencana. Data dari twitter yang merupakan salah satu media sosial yang banyak digunakan masyarakat Indonesia dapat menjadi sumber informasi berupa data teks yang berguna pasca bencana. Analisis sentimen memberikan gambaran dari pendapat yang terkandung dalam teks. Analisis sentimen digunakan sebagai proses pengambilan informasi dari keseluruhan teks twitter. Support Vector Machine (SVM) adalah algoritma klasifikasi yang banyak digunakan dalam analisis sentimen karena kemampuannya dalam menangani data dengan banyak dimensi seperti data teks. Model SVM memiliki parameter C dan gamma yang perlu disesuaikan agar model menghasilkan kinerja maksimal. Penyesuaian parameter pada SVM dapat dilakukan menggunakan proses optimasi. Penelitian ini menggunakan dua metode optimasi yaitu Optimasi Particle Swarm dan Optimasi Bayesian. Optimasi Particle Swarm memiliki kemampuan eksplorasi fungsi yang tinggi dan Optimasi Bayesian yang mampu menangani berbagai macam bentuk sebaran data. Penelitian ini bertujuan untuk membandingkan hasil kinerja model SVM dengan Optimasi Particle Swarm dan Bayesian, pada tweet dengan kata kunci “bencana alam indonesia”. Hasil dari penelitian ini menunjukkan kinerja berdasarkan klasifikasi sentimen positif dan negatif. Model SVM dengan Optimasi Particle Swarm dan Optimasi Bayesian memiliki nilai accuracy 94,56% dan 94,26%. Model SVM dengan Optimasi Particle Swarm dan Bayesian tidak berbeda secara signifikan, namun proses optimasi meningkatkan kinerja SVM secara signifikan dibandingkan nilai accuracy 59,75% model SVM tanpa optimasi.

Keywords : Bencana, Optimasi Bayesian, Optimasi Parameter, Particle Swarm, Support Vector Machine.