Perbandingan Particle Swarm Optimization dengan Genetic Algorithm dalam Feature Selection untuk Analisis Sentimen pada Permendikbudristek PPKS-LPT

G. G. Putra, W. Swastika, P. Irawan
{"title":"Perbandingan Particle Swarm Optimization dengan Genetic Algorithm dalam Feature Selection untuk Analisis Sentimen pada Permendikbudristek PPKS-LPT","authors":"G. G. Putra, W. Swastika, P. Irawan","doi":"10.26418/jp.v8i3.57300","DOIUrl":null,"url":null,"abstract":"Kekerasan seksual merupakan salah satu masalah serius yang perlu diselesaikan. Setiap tahunnya terdapat lebih dari 2000 aduan kekerasan seksual. Di satuan Pendidikan, sebanyak 55% dari pelaku merupakan guru atau tenaga pendidik. Jumlah yang ada masih belum merepresentasikan jumlah sebenarnya karena 63% dari peserta survei DIKTI tidak melaporkan kasus kekerasan seksual yang diketahuinya dengan alasan menjaga nama baik kampus. Dengan begitu, Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi (Kemendikbud) menerbitkan Peraturan Menteri Pendidikan, Kebudayaan, Riset, dan Teknologi (Permendikbudristek) Nomor 30 tahun 2021 tentang Pencegahan dan Penanganan Kekerasan Seksual di Lingkungan Perguruan Tinggi (PPKS-LPT). Peraturan ini menimbulkan kontroversi di masyarakat sehingga perlu dilakukan klasifikasi sentimen. Klasifikasi sentimen dilakukan menggunakan algoritma Multinomial Naïve Bayes, Complement Naïve Bayes, Support Vector Machine, dan Nearest Neighbor dengan menggunakan data seleksi fitur Genetic Algorithm dan Particle Swarm Optimization pada data hasil ekstraksi fitur TF-IDF dari data Twitter yang diambil pada tanggal 1 September-30 Desember 2021 menggunakan kata kunci “permendikbud”, hashtag “cabutpermendikbudristekno30”, dan hashtag “dukungpermendikbud30”. Kemudian klasifikasi akan dievaluasi menggunakan 10-Fold Cross Validation. Hasil dari penelitian ini, algoritma CNB memiliki kinerja paling baik jika dibandingkan dengan 4 algoritma klasifikasi lain dengan nilai accuracy 0.688, precison 0.685, recall 0.688, dan f1-score 0.683. Seleksi fitur GA belum mampu menemukan fitur-fitur yang memiliki akurasi lebih baik jika dibandingkan menggunakan semua fitur, sedangkan seleksi fitur PSO mampu menemukan fitur yang memiliki akurasi sama atau lebih baik jika dibandingkan menggunakan semua fitur dengan peningkatan tertinggi sebanyak 0.8% pada MNB. Sebanyak 49% dari responden merupakan pendukung pengesahan Permendikbudristek PPKS-LPT.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"10 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JEPIN Jurnal Edukasi dan Penelitian Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26418/jp.v8i3.57300","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

Kekerasan seksual merupakan salah satu masalah serius yang perlu diselesaikan. Setiap tahunnya terdapat lebih dari 2000 aduan kekerasan seksual. Di satuan Pendidikan, sebanyak 55% dari pelaku merupakan guru atau tenaga pendidik. Jumlah yang ada masih belum merepresentasikan jumlah sebenarnya karena 63% dari peserta survei DIKTI tidak melaporkan kasus kekerasan seksual yang diketahuinya dengan alasan menjaga nama baik kampus. Dengan begitu, Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi (Kemendikbud) menerbitkan Peraturan Menteri Pendidikan, Kebudayaan, Riset, dan Teknologi (Permendikbudristek) Nomor 30 tahun 2021 tentang Pencegahan dan Penanganan Kekerasan Seksual di Lingkungan Perguruan Tinggi (PPKS-LPT). Peraturan ini menimbulkan kontroversi di masyarakat sehingga perlu dilakukan klasifikasi sentimen. Klasifikasi sentimen dilakukan menggunakan algoritma Multinomial Naïve Bayes, Complement Naïve Bayes, Support Vector Machine, dan Nearest Neighbor dengan menggunakan data seleksi fitur Genetic Algorithm dan Particle Swarm Optimization pada data hasil ekstraksi fitur TF-IDF dari data Twitter yang diambil pada tanggal 1 September-30 Desember 2021 menggunakan kata kunci “permendikbud”, hashtag “cabutpermendikbudristekno30”, dan hashtag “dukungpermendikbud30”. Kemudian klasifikasi akan dievaluasi menggunakan 10-Fold Cross Validation. Hasil dari penelitian ini, algoritma CNB memiliki kinerja paling baik jika dibandingkan dengan 4 algoritma klasifikasi lain dengan nilai accuracy 0.688, precison 0.685, recall 0.688, dan f1-score 0.683. Seleksi fitur GA belum mampu menemukan fitur-fitur yang memiliki akurasi lebih baik jika dibandingkan menggunakan semua fitur, sedangkan seleksi fitur PSO mampu menemukan fitur yang memiliki akurasi sama atau lebih baik jika dibandingkan menggunakan semua fitur dengan peningkatan tertinggi sebanyak 0.8% pada MNB. Sebanyak 49% dari responden merupakan pendukung pengesahan Permendikbudristek PPKS-LPT.
性侵犯是一个需要解决的严重问题。每年有2000多起性暴力投诉。在教育单元中,55%的参与者是教师或教师。现有的数字仍然不代表实际数字,因为63%的受访者没有报告性暴力案件,他们知道这些案件是为了维护学校的好名声。因此,教育部、文化、研究与技术部(ministry of education, cultural, research and technology)发布了一份30年的《教育、文化、研究和技术部长条例》(perdicdristek),规定学院环境中的性暴力预防和管理。这一规则在社会上引起了争议,因此有必要对感情进行分类。感情做分类使用Multinomial天真贝叶斯算法,Complement天真贝叶斯,支持向量机,最近邻居用数据基因特征选择算法和粒子蜂群Optimization的TF-IDF特征提取的结果数据September-30 2021年12月1日拍摄的Twitter使用关键词“permendikbud cabutpermendikbudristekno30”标签,标签dukungpermendikbud30”。然后用10折交叉验证来评定分类。这项研究的结果是,CNB算法与其他4种分类算法相比效果最好,其价值为10688,precison 0.685, 10688和f1-score 0.683。功能选择功能在应用所有功能时无法发现具有更好准确性的特性,而PSO功能的选择可以找到具有相同准确性或更好的功能,而不是在MNB中使用最高0.8%的所有功能。49%的受访者支持PPKS-LPT的专利口述文本。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
1
审稿时长
10 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信