Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter
Salah satu cabang ilmu komputer yaitu pembelajaran mesin (machine learning) menjadi tren dalam beberapa waktu terakhir. Pembelajaran mesin bekerja dengan memanfaatkan data dan algoritma untuk membuat model dengan pola dari kumpulan data tersebut. Selain itu, pembelajaran mesin juga mempelajari bagai...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Universitas Bina Sarana Informatika, LPPM
2019-09-01
|
| Series: | Jurnal Informatika |
| Online Access: | http://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/5129 |
| _version_ | 1818276550064209920 |
|---|---|
| author | Muhammad Rangga Aziz Nasution Mardhiya Hayaty |
| author_facet | Muhammad Rangga Aziz Nasution Mardhiya Hayaty |
| author_sort | Muhammad Rangga Aziz Nasution |
| collection | DOAJ |
| description | Salah satu cabang ilmu komputer yaitu pembelajaran mesin (machine learning) menjadi tren dalam beberapa waktu terakhir. Pembelajaran mesin bekerja dengan memanfaatkan data dan algoritma untuk membuat model dengan pola dari kumpulan data tersebut. Selain itu, pembelajaran mesin juga mempelajari bagaimama model yang telah dibuat dapat memprediksi keluaran (output) berdasarkan pola yang ada. Terdapat dua jenis metode pembelajaran mesin yang dapat digunakan untuk analisis sentimen: supervised learning dan unsupervised learning. Penelitian ini akan membandingkan dua algoritma klasifikasi yang termasuk dari supervised learning: algoritma K-Nearest Neighbor dan Support Vector Machine, dengan cara membuat model dari masing-masing algoritma dengan objek teks sentimen. Perbandingan dilakukan untuk mengetahui algoritma mana lebih baik dalam segi akurasi dan waktu proses. Hasil pada perhitungan akurasi menunjukkan bahwa metode Support Vector Machine lebih unggul dengan nilai 89,70% tanpa K-Fold Cross Validation dan 88,76% dengan K-Fold Cross Validation. Sedangkan pada perhitungan waktu proses metode K-Nearest Neighbor lebih unggul dengan waktu proses 0.0160s tanpa K-Fold Cross Validation dan 0.1505s dengan K-Fold Cross Validation. |
| first_indexed | 2024-12-12T22:47:25Z |
| format | Article |
| id | doaj.art-2cd47659e3d8488690eb7bed83e8c475 |
| institution | Directory Open Access Journal |
| issn | 2355-6579 2528-2247 |
| language | Indonesian |
| last_indexed | 2024-12-12T22:47:25Z |
| publishDate | 2019-09-01 |
| publisher | Universitas Bina Sarana Informatika, LPPM |
| record_format | Article |
| series | Jurnal Informatika |
| spelling | doaj.art-2cd47659e3d8488690eb7bed83e8c4752022-12-22T00:09:09ZindUniversitas Bina Sarana Informatika, LPPMJurnal Informatika2355-65792528-22472019-09-016222623510.31311/ji.v6i2.51293287Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen TwitterMuhammad Rangga Aziz NasutionMardhiya HayatySalah satu cabang ilmu komputer yaitu pembelajaran mesin (machine learning) menjadi tren dalam beberapa waktu terakhir. Pembelajaran mesin bekerja dengan memanfaatkan data dan algoritma untuk membuat model dengan pola dari kumpulan data tersebut. Selain itu, pembelajaran mesin juga mempelajari bagaimama model yang telah dibuat dapat memprediksi keluaran (output) berdasarkan pola yang ada. Terdapat dua jenis metode pembelajaran mesin yang dapat digunakan untuk analisis sentimen: supervised learning dan unsupervised learning. Penelitian ini akan membandingkan dua algoritma klasifikasi yang termasuk dari supervised learning: algoritma K-Nearest Neighbor dan Support Vector Machine, dengan cara membuat model dari masing-masing algoritma dengan objek teks sentimen. Perbandingan dilakukan untuk mengetahui algoritma mana lebih baik dalam segi akurasi dan waktu proses. Hasil pada perhitungan akurasi menunjukkan bahwa metode Support Vector Machine lebih unggul dengan nilai 89,70% tanpa K-Fold Cross Validation dan 88,76% dengan K-Fold Cross Validation. Sedangkan pada perhitungan waktu proses metode K-Nearest Neighbor lebih unggul dengan waktu proses 0.0160s tanpa K-Fold Cross Validation dan 0.1505s dengan K-Fold Cross Validation.http://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/5129 |
| spellingShingle | Muhammad Rangga Aziz Nasution Mardhiya Hayaty Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter Jurnal Informatika |
| title | Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter |
| title_full | Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter |
| title_fullStr | Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter |
| title_full_unstemmed | Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter |
| title_short | Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter |
| title_sort | perbandingan akurasi dan waktu proses algoritma k nn dan svm dalam analisis sentimen twitter |
| url | http://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/5129 |
| work_keys_str_mv | AT muhammadranggaaziznasution perbandinganakurasidanwaktuprosesalgoritmaknndansvmdalamanalisissentimentwitter AT mardhiyahayaty perbandinganakurasidanwaktuprosesalgoritmaknndansvmdalamanalisissentimentwitter |