OPINION MINING POPULARITAS TEMPAT WISATA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN PARTICLE SWARM OPTIMIZATION DARI INSTAGRAM 

OPINION MINING POPULARITY TOURISM USING SUPPORT VECTOR MACHINE (SVM) AND PARTICLE SWARM OPTIMIZATION FROM INSTAGRAM

Sosial media sekarang mempunyai efek besar pada pengambilan keputusan, termasuk pada industri wisata untuk mengetahui reputasi dan popularitas sebuah destinasi wisata. Pada era modern seperti sekarang penggunaan media sosial tidak sekedar media hiburan akan tetapi juga menjadi media buat mengembangkan informasi, baik informasi yang dipercaya maupun tidak. Dari media sosial tersebut, mengizinkan penggunanya untuk bisa mengetahui reaksi pengguna lain terhadap informasi yang sedang hangat dibicarakan. Analisa sentiment atau opinion mining adalah satu dari berbagai solusi untuk mengatasi masalah dalam mengelompokan opini atau review sebagai opini positif, negatif, atau netral secara otomatis. Metode yang dipakai merupakan Support Vector Machine (SVM) dan penerapan seleksi fitur Particle Swarm Optimization. Keduanya memanfaatkan library yang telah tersedia dalam python. Support Vector Machine (SVM) merupakan metode untuk menganalisa data dan mengenali pola yang mampu dipakai untuk pengklasifikasian.. Sementara particle swarm berpola optimizer jadi tidak mampu berdiri sendiri, wajib diikuti algoritma lain yang harus melakukan proses pembelajaran terlebih dahulu. Nilai akurasi yang didapatkan sebagai tolak ukur dalam mencari contoh pengujian terbaik untuk masalah klasifikasi sentimen. Hasil penelitian memperlihatkan peningkatan nilai akurasi sebanyak 0.07 untuk algoritma Support Vector Machine dari 0.90 menjadi 0.97 sesudah penerapan seleksi fitur Particle Swarm Optimization.

Social media now has a huge effect on decision making, including on the travel industry to determine the reputation and popularity of a tourist destination. In the modern era like now the use of social media is not only an entertainment medium but also a medium for developing information, whether information is trusted or not. From social media, it allows users to be able to find out the reactions of other users to the information that is currently being discussed. Sentiment analysis or opinion mining is one of various solutions to overcome the problem of automatically classifying opinions or reviews as positive, negative, or neutral opinions. The method used is the Support Vector Machine (SVM) and the application of Particle Swarm Optimization feature selection. Both take advantage of the libraries that are already available in python. Support Vector Machine (SVM) is a method for analyzing data and recognizing patterns that can be used for classification. While particle swarm with an optimizer pattern cannot stand alone, other algorithms must be followed that must carry out the learning process first. The accuracy value obtained as a benchmark in finding the best test examples for sentiment classification problems. The results showed an increase in the accuracy value of 0.07 for the Support Vector Machine algorithm from 0.90 to 0.97 after the application of the Particle Swarm Optimization feature selection.