<![CDATA[Layanan pesan masyarakat secara online berupa teks yang perlu mendapatkan tanggapan sesegera mungkin oleh pihak terkait. Oleh karena itu dibutuhkan sistem klasifikasi teks dengan akurasi yang baik. Salah satunya adalah dengan metode Support Vector Machine (SVM) yang memiliki variasi kernel. Akan tetapi kelemahan SVM adalah untuk penentuan parameternya. Salah satu pendekatan dalam optimisasi penentuan parameter adalah menggunakan Algoritma Genetika (AG). Penelitian ini bertujuan melakukan optimisasi parameter pada SVM menggunakan AG pada kasus layanan pesan masyarakat pada Sambat Online Kota Malang. Jumlah sampel data diambil pada layanan tersebut sebanyak 200 pesan dengan tujuh kelas kategori yang dibagi menjadi data latih dan data uji yang bervariasi perbandingannya. Paremater yang dioptimasi pada masing-masing kernel antara lain kernel linear (C), polynomial (C, ????, derajat), RBF (C,????), dan sigmoid (C,????). Optimisasi dan pengujian dilakukan dengan variasi persentase rasio data latih dan data uji yaitu 20:80, 40:60, 60:40, 80:20. Pengujian dilakukan dengan menerapkan parameter hasil optimisasi dan mengukur tingkat akurasinya. Hasil pengujian terbaik diperoleh pada kernel linear dengan tingkat akurasi sebesar 85,37% pada rasio data latih terhadap data uji sebesar 80% : 20%. Hal ini menunjukkan bahwa kernel linear lebih sesuai dibandingkan kernel lainnya apabila digunakan pada kasus klasifikasi teks pada layanan Sambat Online.]]>
