Penerapan Algoritma K-Nearest Neighbor pada Twitter untuk Analisis Sentimen Masyarakat Terhadap Larangan Mudik 2021
DOI:
https://doi.org/10.52958/iftk.v17i2.3629Kata Kunci:
Analisis Sentimen, CRIPS-DM, K-Nearest Neighbor, Larangan MudikAbstrak
Media sosial Twitter merupakan media yang banyak digunakan oleh masyarakat dalam menyampaikan sebuah opini yang sedang hangat dibahas. Kebijakan larangan mudik yang diterapkan oleh pemerintah saat ini belum diketahui opini atau pendapat masyarakat terhadap pelaksanaan larangan mudik 2021 ini, sehingga pemerintah kesulitan dalam mengevaluasi kebijakan larangan mudik tersebut. Penelitian ini akan melakukan analisis sentimen menggunakan algoritma K-Nearest Neighbor (K-NN) dan menerapkan metodologi Cross-Industry Standard Process for Data Mining (CRIPS-DM). Pada penelitian ini data bersih yang digunakan berjumlah 4.799 tweet, yang diambil dari media sosial twitter pada 04 April 2021 – 17 Mei 2021 dengan sentimen positif berjumlah 834 tweet dan 3.965 tweet sentimen negatif. Penelitian ini menghasilkan bahwa K-NN dapat diimplementasikan dengan baik dikarenakan mencapai nilai akurasi sebesar 86.67 % dengan nilai recall 39.52 %, precision 70.97 % dan spencificity sebesar 96.60% menggunakan split data perbandingan 80 untuk data training dan 20 untuk data testing dengan nilai k=3. Sehingga dapat dikatakan bahwa algoritma K-NN dapat mengklasifikasikan data secara benar dan baik.
Referensi
F. Sandi dan CNBC Indonesia, “Tok! Pemerintah Resmi Larang Mudik Lebaran, Ini Alasannya,” 2021. https://www.cnbcindonesia.com/news/20210328063301-4-233390/tok-pemerintah-resmi-larang-mudik-lebaran-ini-alasannya (diakses Apr 07, 2021).
Kominfo, “Larangan Mudik Kurangi Risiko Akibat Covid-19,” www.kominfo.go.id, 2021. https://www.kominfo.go.id/content/detail/33520/larangan-mudik-kurangi-risiko-akibat-covid-19/0/berita (diakses Apr 05, 2021).
Tim Komunikasi Komite Penanganan Corona Virus Disease 2019 (COVID-19), “Pasien Sembuh Terus Bertambah Menjadi 1.391.742 Orang,” 2021. https://covid19.go.id/berita/pasien-sembuh-terus-bertambah-menjadi-1391742-orang (diakses Apr 07, 2021).
Liputan6, “Terbongkar, Alasan Kuat Pemerintah Larang Mudik Lebaran 2021,” 2021. https://www.liputan6.com/bisnis/read/4524936/terbongkar-alasan-kuat-pemerintah-larang-mudik-lebaran-2021 (diakses Apr 07, 2021).
F. Sodik dan I. Kharisudin, “Analisis Sentimen dengan SVM , NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter,” vol. 4, hal. 628–634, 2021.
T. A. M, Y. Alkhalifi, N. A. Mayangky, dan W. Gata, “Analisis Sentimen Opini Publik Mengenai Larangan Mudik pada Twitter Menggunakan Naive Bayes,” CoreIT, vol. 6, no. 2, 2020.
R. Pebrianto, T. Rivanie, R. Nurfalah, W. Gata, dan M. F. Julianto, “Adopsi Algorithm Support Vector Machine untuk Analisis Sentimen Larangan Mudik Lebaran 2020 pada Twitter,” J. Tek. Komput. AMIK BSI, vol. V, no. 1, hal. 135–138, 2020, doi: 10.31294/jtk.v4i2.
R. Sari, “Analisis Sentimen Pada Review Objek Wisata Dunia Fantasi Menggunakan Algoritma K-Nearest Neighbor (K-Nn),” EVOLUSI J. Sains dan Manaj., vol. 8, no. 1, hal. 10–17, 2020, doi: 10.31294/evolusi.v8i1.7371.
A. Bode, “K-Nearest Neighbor Dengan Feature Selection Menggunakan Backward Elimination Untuk Prediksi Harga Komoditi Kopi Arabika,” Ilk. J. Ilm., vol. 9, no. 2, hal. 188–195, 2017, doi: 10.33096/ilkom.v9i2.139.188-195.
D. T. Larose, Discovering Knowledge in Data: An Introduction to Data Mining, Second Edi. New Jersey: John Wiley & Son, 2014.
Herdiawan, “Analisis Sentimen Terhadap Telkom Indihome Berdasarkan Opini Publik Menggunakan Metode Improved K-Nearest Neighbor,” J. Ilm. Komput. dan Inform., 2018.
F. Z. Tala, “A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia,” M.Sc. Thesis, Append. D, vol. pp, hal. 39–46, 2003.
D. H. Wahid dan A. SN, “Peringkasan Sentimen Esktraktif di Twitter Menggunakan Hybrid TF-IDF dan Cosine Similarity,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 10, no. 2, hal. 207, 2016, doi: 10.22146/ijccs.16625.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA
Syarat yang harus dipenuhi oleh Penulis sebagai berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).