(0721) 8030188    [email protected]   

PERBANDINGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE BERBASIS PARTICLE SWARM OPTIMIZATION (PSO) PADA ULASAN APLIKASI THREADS


Threads merupakan platform aplikasi baru yang diperkenalkan oleh Meta, yang diluncurkan pada tanggal 6 Juli 2023. Meskipun aplikasi ini telah diunduh sebanyak 100 juta kali di Google Play Store dengan rating 4.5 bintang, pengguna mengungkapkan berbagai masalah melalui ulasan. Penelitian ini bertujuan untuk membandingkan kinerja metode Naïve Bayes dan Support Vector Machine (SVM) dalam klasifikasi ulasan aplikasi Threads, serta mengevaluasi pengaruh penggunaan Particle Swarm Optimization (PSO) terhadap peningkatan kinerja kedua metode tersebut. Dataset yang digunakan terdiri dari 1000 ulasan yang diklasifikasikan ke dalam dua kategori, yaitu positif dan negatif. Tanpa optimasi, SVM mencapai akurasi 80%, lebih tinggi dibandingkan Naïve Bayes yang memperoleh akurasi 70%. Penerapan PSO meningkatkan akurasi kedua model, dengan pada SVM mengalami peningkatan 6% sehingga akurasi menjadi 86%, sedangkan pada model Naïve Bayes, peningkatannya mencapai 11%, dengan akurasi menjadi 81%. Hasil ini menunjukkan bahwa optimasi PSO memberikan peningkatan kinerja yang lebih signifikan pada model SVM dibandingkan Naïve Bayes.

URI
https://repo.itera.ac.id/depan/submission/SB2502070036

Keyword
Naïve Bayes, Support Vector Machine, Particle Swar