View of Sentimen Analisis Informasi Covid-19 menggunakan Support Vector Machine dan Naïve Bayes
Teks penuh
Dokumen terkait
Oleh Karena itu, pada penelitian ini dilakukan perbandingan antara metode Naïve Bayes Classifier dan Support Vector Machine pada analisis sentimen review pengguna
Namun apabila dibandingkan dengan Support Vector Machine (SVM) dalam mendeteksi serangan pada jaringan computer, akurasi yang dihasilkan oleh naïve bayes cenderung lebih
Wardhani et al., “Sentiment analysis article news coordinator minister of maritime affairs using algorithm naive bayes and support vector machine with particle swarm optimization,”
Penelitian ini menggunakan metode Support Vector Machine dan metode Support Vector Machine berbasis Particle Swarm Optimization dalam mendapatkan aturan
Didalam suatu pertandingan dan perlombaan olahraga hanya ada dua hasil yang mungkin diterima dari hasil sebuah proses usaha yang dilakukan seorang atlet, yaitu kemenangan
Dari 2 metode algoritma yang digunakan pada tahap klasifikasi yaitu Naïve Bayes dan Support Vector Machine (SVM) didapatkan hasil bahwa nilai akurasi yang lebih
Penelitian ini menggunakan enam metode untuk klasifikasi yaitu Lexicon-based classifier, Naïve Bayes, Bayesian Network, SVM (Support Vector Machine), C4.5 (Decision
Sedangkan eksperiment kedua yang dilakukan dengan menggunakan metode Support Vector Machine berbasis Particle Swarm Optimization mempunyai nilai akurasi sebesar 85,92 %
