Implementasi Metode Support Vector Machine (SVM) pada Model Prediksi Rating Obat Berdasarkan Ulasan Pasien
LOGIC: Jurnal Penelitian Informatika · 2023
DOI: 10.25124/logic.v1i1.6410 ↗Kurz gefasst
Fachartikel in der Zeitschrift LOGIC: Jurnal Penelitian Informatika, 2023. Verfasst von Wisnu Jayanata und 1 weiteren Autor:innen.
Abstract (Originalsprache)
Pesatnya perkembangan internet dan media sosial mengakibatkan membaca ulasan sebelum membeli suatu produk, terutama produk obat menjadi hal yang lumrah. Namun, jumlah ulasan yang banyak dan tersebar mengakibatkan kesulitan dalam melakukan penilaian kualitas produk obat. Oleh karena itu, sistem yang dapat membantu pelanggan dalam menghadapi kendala ini sangat dibutuhkan. Pada pemodelan sistem, digunakan TF-IDF untuk mereduksi fitur dan Support Vector Machine sebagai metode klasifikasi. Dilakukan puka Hyperparameter Tuning untuk meningkatkan performa sistem. Pada penelitian ini didapat bahwa polynomial merupakan kernel SVM yang paling optimal untuk memprediksi rating obat berdasarkan ulasan pasien dengan akurasi mencapai 75.00% dan f-1 score sebesar 74.23%.
Zitieren
APA
Jayanata, W., & Kurniawan, I. (2023). Implementasi Metode Support Vector Machine (SVM) pada Model Prediksi Rating Obat Berdasarkan Ulasan Pasien. LOGIC: Jurnal Penelitian Informatika. https://doi.org/10.25124/logic.v1i1.6410
Vancouver
Jayanata W, Kurniawan I. Implementasi Metode Support Vector Machine (SVM) pada Model Prediksi Rating Obat Berdasarkan Ulasan Pasien. LOGIC: Jurnal Penelitian Informatika. 2023. doi:10.25124/logic.v1i1.6410
BibTeX
@article{Jayanata2023,
author = {Jayanata, Wisnu and Kurniawan, Isman},
title = {Implementasi Metode Support Vector Machine (SVM) pada Model Prediksi Rating Obat Berdasarkan Ulasan Pasien},
journal = {LOGIC: Jurnal Penelitian Informatika},
year = {2023},
doi = {10.25124/logic.v1i1.6410}
}
EUVIMED