ANALISIS SENTIMEN KEBENCANAAN DI INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE BERBASIS FASTTEXT DENGAN PARAMETER OPTIMASI FIREFLY = ANALYSIS OF DISASTER SENTIMENT IN INDONESIA USING FASTTEXT-BASED SUPPORT VECTOR MACHINE WITH FIREFLY OPTIMIZATION PARAMETERS

Analisis sentimen adalah proses untuk melakukan analisis terhadap opini, sentimen, penilaian serta emosi dari pernyataan seseorang terhadap suatu domain atau juga merupakan proses untuk mengekstrak dan mengolah data berupa teks. SVM adalah sebuah teknik Supervised Machine learning yang berfungsi untuk menganalisa suatu data untuk klasifikasi. Penelitian ini bertujuan untuk Memperoleh vector numerik menggunakan fasttext yang kemudian diklasifikasi dengan metode Support Vector Machine (SVM). SVM tidak dapat memilih parameter yang sesuai sehingga penggunaan parameter menjadi tidak optimal, untuk memperoleh parameter yang optimal maka dilakukan optimasi firefly supaya mendapatkan hasil klasifikasi yang lebih baik. Data pada penelitian ini adalah tweet dengan kata kunci “Kebencanaan Indonesia” yang di crawling menggunakan aplikasi twitter. Hasil dari penelitian ini adalah mendapatkan 128 dimensi yang membentuk bobot setiap kata. Hal ini berarti setiap kata direpresentasikan dalam ruang vektor 128 dimensi dan nilai persentase evaluasi model klasifikasi SVM optimasi firefly: accuracy 89%. Sehingga, dapat disimpulkan bahwa metode klasifikasi SVM menunjukkan persentase performa klasifikasi yang cukup baik dibandingkan dengan model SVM tanpa optimasi dengan hanya mendapatkan accuracy sebesar 61%.

Keywords : Analisis sentimen, fasttext, klasifikasi, optimasi firefly, support vector machine