Optimasi Parameter Pso Berbasis Svm Untuk Analisis Sentimen Review Jasa Maskapai Penerbangan Berbahasa Inggris

Seiring dengan kemajuan teknologi, banyak pengguna jasa maskapai penerbangan memberikan review mengenai apa yang dirasakan selama menggunakan jasa tersebut yang dituliskan melalui media internet, seperti situs web ataupun media sosial. Saat ini banyak penelitian yang terus dilakukan untuk menganalisis review atau pendapat seseorang. Penelitian ini mengusulkan Support Vector Machine (SVM) sebagai metode untuk memproses data dan mengoptimasi Particle Swarm Optimization (PSO) sebagai seleksi fitur agar akurasi meningkat. Parameter yang digunakan pada SVM adalah nilai C dan Epsilon sedangkan parameter yang digunakan pada PSO adalah nilai Population Size dan Inertia Weight. PSO mampu mengoptimasikan model SVM dengan nilai akurasi model SVM sebelum diterapkannya seleksi fitur PSO adalah sebesar 84,25% dan setelah diterapkannya seleksi fitur PSO akurasi meningkat menjadi 87,39%. Terdapat kenaikan akurasi sebesar 3.14%