Pengaruh Seleksi Fitur Particle Swarm Optimization terhadap Sentimen Analisis Aplikasi Pedulilindungi di Twitter dengan Algoritma Support Vector Machine

PeduliLindungi merupakan aplikasi yang ditujukan kepada masyarakat guna menangkal serta menangani COVID-19 di Indonesia. Aplikasi ini wajib dimiliki oleh masyarakat Indonesia, sebagai salah satu hal untuk kewajiban yang dibuat oleh pemerintah dari perundangan yang dibuat untuk memasuki fasilitas publik. Tentunya aplikasi ini juga mendatangkan beberapa tanggapan dari masyarakat. Tanggapan tersebut bisa diungkapkan melalui media sosial yang cukup populer seperti twitter. Melalui twitter, mereka bebas mengungkapkan pendapat mereka tentang penggunaan aplikasi tersebut. Penelitian ini bermaksud untuk mendapatkan informasi sentimen terkait opini masyarakat yang berhubungan dengan penggunaan aplikasi PeduliLindungi, dengan mengaplikasikan algoritma Support Vector Machine serta kernel Radial Basis Function dan algoritma seleksi fitur yaitu Particle Swarm Optimization dalam mengklasifikasikan opini masyarakat terhadap aplikasi PeduliLindungi dari data tweet yang sudah diperoleh serta diberi label sentimen bersifat positif dan label sentimen bersifat negatif. Model Support Vector Machine menghasilkan akurasi sebesar 76.24%, recall (sensitivity) sebesar 82.14%, presisi sebesar 76.67%, dan specificity sebesar 68.89%, sedangkan model Support Vector Machine ditambahkan seleksi fitur yaitu Particle Swarm Optimization mengalami pengingkatan akurasi sebesar 88.12%, recall (sensitivity) sebesar 96.43%, presisi sebesar 84.36%, dan specificity sebesar 77.78%