| dc.description.abstract | Seiring kemajuan teknologi, data yang dapat dikumpulkan bukan hanya data yang berbentuk numerik namun juga data yang berbentuk teks. Dalam melakukan analisis terhadap data teks digunakan text mining, oleh karena text mining lebih bersifat subjek umum maka diperlukan klasifikasi. Salah satu algoritma dalam machine learning yang dapat digunakan untuk melakukan klasifikasi teks adalah Support Vector Machine (SVM) dan Naive Bayes. SVM bekerja dengan cara mencari hyperplane terbaik yang memisahkan dua buah kelas, sedangkan Naive Bayes bekerja dengan cara mencari nilai probabilitas bersyarat terbesar. Berdasarkan perbedaan cara kerja kedua algoritma tersebut, peneliti ingin membandingkan kinerja kedua algoritma tersebut pada studi kasus baru yaitu data tanggapan mengenai Traveloka yang diperoleh melalui media sosial Twitter pada bulan Maret dan bulan April 2018. Berdasarkan tingkat akurasi terbesar dengan menggunakan 10 kombinasi dan pada masing-masing kombinasi dilakukan 10 kali pengacakan, diperoleh kesimpulan bahwa algoritma SVM memiliki tingkat akurasi lebih tinggi dibandingkan algoritma Naive Bayes dengan rata-rata besarnya tingkat akurasi sebesar 79,14% pada SVM dan 75,61% pada Naive Bayes. | en_US |
