Optimasi Parameter Support Vector Machine Berbasis Algoritma Firefly Pada Data Opini Film

Styawati Styawati,Heni Sulistiani Heni Sulistiani,Zaenal Abidin Zaenal Abidin,Andi Nurkholis Andi Nurkholis

doi:10.29207/resti.v5i5.3380

Styawati Styawati, Heni Sulistiani Heni Sulistiani + Show 2 more

Open Access

https://doi.org/10.29207/resti.v5i5.3380

Copy DOI

Abstract

The Support Vector Machine (SVM) method is a method that is widely used in the classification process. The success of the classification of the SVM method depends on the soft margin coefficient C, as well as the parameter  of the kernel function. The SVM parameters are usually obtained by trial and error, but this method takes a long time because they have to try every combination of SVM parameters, therefore the purpose of this study is to find the optimal SVM parameter value based on accuracy. This study uses the Firefly Algorithm (FA) as a method for optimizing SVM parameters. The data set used in this study is data on public opinion on several films. Class labels used in data classification are positive class labels and negative class labels. The amount of data used in this study is 2179 data, with the distribution of 436 data as test data and 1743 data as training data. Based on this data, an evaluation process was carried out on the Firefly Algorithm-Support Vector Machine (FA-SVM). The results of this study indicate that the Firefly Algorithm can obtain the optimal combination of SVM parameters based on accuracy, so there is no need for trial and error to get that value. This is evidenced by the results of the FA-SVM evaluation using a value range of C=1.0-3.0 and =0.1-1.0 resulting in the highest accuracy of 87.84%. The next evaluation using a range of values C=1.0-3.0 and =1.0-2.0 resulted in the highest accuracy of 87.15%.

Highlights

Proses penelitian ini secara umum memiliki lima proses sumpah kerenYaitu pengumpulan data, preprocessing data, Data pada tabel 1dilakukan pembobotan, sehingga pembobotan, klasifikasi menggunakan metode Firefly Algorithm (FA)- didapatkan bobot kata yang dapat merepresentasikan
The Support Vector Machine (SVM) method is a method that is widely used in the classification process
The SVM parameters are usually obtained by trial and error, but this method takes a long time because they have to try every combination of SVM parameters, therefore the purpose of this study is to find the optimal SVM parameter value based on accuracy

Summary

Proses penelitian ini secara umum memiliki lima proses sumpah keren

Yaitu pengumpulan data, preprocessing data, Data pada tabel 1dilakukan pembobotan, sehingga pembobotan, klasifikasi menggunakan metode FA- didapatkan bobot kata yang dapat merepresentasikan. Metode yang digunakan dalam pembagian data oleh peneliti sebelumnya dilakukan preprocessing latih dan data uji adalah metode Splitting, sedangkan dengan metode case folding dan normalisasi fitur. Pada metode untuk membagi data latih dan data validasi penelitian ini ditambahkan proses tokenisasi, konversi slangword, dan konversi stopword. Pada penelitian ini dilakukan optimasi terhadap parameter SVM dengan menggunakan metode Firefly. Sedangkan Setelah menentukan fungsi objektif, kemudian pada SVM digunakan untuk menemukan nilai optimal menentukan konstanta yang akan digunakan dalam dalam setiap dataset. Konstanta tersebut adalah banyaknya firefly, 3.1 Rancangan Pelatihan Metode FA-SVM β0 = 1, γ = 0.23, rand = 0.2, dan α = 0.2. Nilai populasi yang dibutuhkan untuk proses pencarian dengan firefly awal firefly dapat dilihat pada tabel 2.

Random nilai C dan

Findings

Seleksi Fitur Pada Analisis Sentimen Review Perusahaan