2021 : Peningkatan Kinerja Pengklasifikasi Akun Palsu Dengan Menggunakan Gridsearch untuk Optimalisasi Hyperparameter SVM

Dr. Ir. Aris Tjahyanto M.Kom.

Year

2021

Published in

-

External link

Type

RESEARCH

Keywords

-


Abstract

Dalam proses klasifikasi menggunakan machine learning banyak faktor yang perlu dipertimbangkan agar mendapatkan hasil klasifikasi terbaik. Salah satu faktornya adalah pemilihan algoritme pengklasifikasi yang digunakan untuk membangun model. Saat ini algoritme pengklasifikasi yang banyak digunakan adalah Bayes, SVM, KNN, jaringan syaraf tiruan dan sebagainya. Pada penelitian ini mencoba membuat model pengklasifikasi dengan mengoptimalkan hyperparameter SVM sehingga diperoleh kinerja yang lebih optimal dari penelitian sebelumnya yang mencoba meningkatkan kinerja dengan teknik normalisasi dataset. Penelitian ini menggunakan dataset profil akun yang diambil dari Twitter. Dataset yang digunakan telah dilakukan normalisasi dan data normalisasi dengan metode Min-Max. Kemudian proses klasifikasi dilakukan dengan menggunakan algoritma Naïve Bayes, Decision Tree, dan SVM. Dari percobaan, hasil klasifikasi menggunakan SVM menghasilkan akurasi sebesar 83% dan setelah dilakukan optimalisasi hyperparameter SVM dapat meningkat menjadi 99%. Akurasi ini jauh lebih baik dibandingkan dengan metode Naïve Bayes yang hanya menghasilkan akurasi sebesar 70%