Analisis Sentimen Berbasis Feature Selection Particle Swarm Optimization Menggunakan Metode Random Forest
Analisis sentimen atau mining opini merupakan bidang studi yang menganalisis opini, penilaian, dan emosi masyarakat terhadap sebuah produk, organisasi, individu, kejadian ataupun topik. Pada beberapa penelitian yang telah melakukan analisis sentimen, Particle Swarm Optimization (PSO) digunakan sebagai feature selection yang dapat meningkatkan kinerja base classifier. Meskipun penelitian analisis sentimen menggunakan metode Random Forest sering dilakukan namun belum ada yang dikombinasikan dengan Particle Swarm Optimization. Pada penelitian ini, tahap text preprocessing dilakukan beberapa proses yaitu cleansing, case folding, normalisasi, stopword dan stemming. Sementara tahap feature extraction menggunakan Term Frequency Inverse Document Frequency (TF.IDF). Model Random Forest berbasis feature selection PSO menghasilkan nilai OOB error lebih baik dengan nilai sebesar 20,42
URI
https://repo.itera.ac.id/depan/submission/SB2103180001
Keyword