SENTIMEN ANALISIS OPERASI TANGKAP TANGAN KPK MENURUT MASYARAKAT MENGGUNAKAN ALGORITMA SUPPORT VECHTOR MACHINE, NAÏVE BAYES, BERBASIS PARTICLE SWARM OPTIMIZITION

Abstract

It is known from various public sentiments conveyed through comments on social media twitter against the capture operations carried out by the corruption eradication commission (KPK) that currently it does not meet the expectations of the community, where officials who are only officials have small corruption rates, not corruption As for the classification algorithms that have strong accuracy at this time are Support Vector Machine and Naïve Bayes algorithms, calculation of Support Vector Machine method for tweet data from 78 positive tweet data and 78 negative tweet data, resulting in an accuracy of 80.77% and AUC 0.867. Whereas the results of accuracy with the Naïve Bayes method are 76.92% and AUC 0.729. Having a difference in accuracy of 3.3%, and after optimizing with the Operator Vector Machine (PSO) weight Particle Swarm Optimization the accuracy is 83.79% and AUC 0.910, while for Naïve Bayes (PSO) produces an accuracy of 80.13% and AUC 0.771 Has a difference in accuracy of 3.6%.

Diketahui dari berbagai sentimen masyarakat yang disampaikan melalui komentar di media sosial twiter terhadap operasi tangkap tangan yang dilakukan oleh Komisi Pemberantasan Korupsi (KPK) nyatanya saat ini belum memenuhi harapan masyarakat, dimana pejabat yang di ott hanya pejabat yang mempunyai angka korupsi kecil, bukan korupsi yang besar adapun algoritma klasifikasi yang kuat akurasinya saat ini adalah algoritma Support Vector Machine untuk data tweet dari 78 data tweet positif dan 78 data tweet negatif, menghasilkan akurasi sebesar 80.77% dan AUC 0.867. Sedangkan hasil akurasi dengan metode Naïve Bayes adalah 76.92% dan AUC 0.729. Memiliki selisih akurasi sebesar 3.3%, dan setelah di optimalisasi dengan oprator Weight Partical Swarm Optimization untuk Support Vector Machine (PSO) menghasilkan akurasi 83.79% dan AUC 0.910, sedangkan untuk Naïve Bayes (PSO) menghasilkan akurasi sebesar 80.13% dan AUC 0.771 memiliki selisih akurasi sebesar 3.6%.