Analisis Sentimen Terhadap Sebuah Figur Publik di Twitter Menggunakan Metode K-Nearest Neighbor

Yenggi Putra Dinata, - (2024) Analisis Sentimen Terhadap Sebuah Figur Publik di Twitter Menggunakan Metode K-Nearest Neighbor. KLIK: Kajian Ilmiah Informatika dan Komputer, 4 (6). pp. 2822-2829. ISSN 2723-3898 (Media Online)

Preview

Text
YENGGI PUTRA DINATA.pdf - Published Version
Download (1MB) | Preview

Official URL: https://djournals.com/klik/article/view/1904

Abstract

Abstrak−Perkembangan media online, khususnya melalui media sosial seperti Twitter, menciptakan panggung yang luas untuk berbagai aktivitas, termasuk kampanye politik dan opini masyarakat terhadap tokoh publik. Ketika teknologi informasi berkembang pesat, opini masyarakat dapat disampaikan tanpa terbatas waktu melalui media sosial. Twitter, dengan keterbatasan karakter dan hastag "#" yang dapat digunakan oleh pengguna, dianggap lebih mudah diambil informasi tentang opini dan sentimen yang ada. Saat ini, media sosial banyak digunakan untuk berkomunikasi dan mencari teman, namun juga untuk aktivitas lainnya. Mengiklankan produk, membeli dan menjual apa pun, termasuk mengiklankan partai politik dan berkampanye untuk anggota Kongres atau calon presiden. Penelitian ini bertujuan pada analisis sentimen terhadap Puan Maharani, Ketua DPR RI, menggunakan data dari media sosial Twitter. Twitter, sebagai platform yang memungkinkan pengguna untuk mengungkapkan pendapat dalam format singkat, dijadikan sebagai sumber informasi utama dalam penelitian. Algoritma K-Nearest Neighbor untuk teknik analisis sentimen, digunakan untuk mengklasifikasikan tweet individu ke dalam kategori positif atau negatif mengenai pandangan Puan Maharani. Metode yang digunakan dalam penelitian ini dimulai Crawling data, pelabelan dan preprocessing data yang digunakan penelitian ini meliputi case folding, cleaning, tokenizing, negation handling, normalisasi, stopword removal, dan stemming. Untuk proses klasifikasi menggunakan metode K-nearest neighbour (KNN), feature Weighting (TF-IDF), dan feature Selection (thresholding), nilai ambang batas adalah 0,001. Data yang digunakan mencakup 9.000 tweet dalam bahasa Indonesia. Hasil dari pengujian yang dilakukan dalam metode K-Nearest Neighbor, yang menggunakan matriks konfusi, 6 dengan nilai K yang berbeda (3, 5, 7, 9, 11, 13), dengan mekanisme perbandingan rasio 90:10 dan 80:20 dan 70:30 mencapai perolehan akurasi yang tertinggi 90,00% dengan K = 11 dari perbandingan yang digunakan rasio 90: 10. Kata Kunci: Puan Maharani; K-NN; Masyarakat; Twitter; Klasifikasi Sentimen

Item Type:

Article

Contributors: