Analisis Sentimen Menggunakan K-Nearest Neighbor Terhadap New Normal Masa Covid-19 Di Indonesia

Mhd Furqan; Sriani Sriani; Susan Mayang Sari

doi:10.33633/tc.v21i1.5446

Analisis Sentimen Menggunakan K-Nearest Neighbor Terhadap New Normal Masa Covid-19 Di Indonesia

Mhd Furqan, Sriani Sriani, Susan Mayang Sari

Abstract

New normal diterapkan oleh pemerintah untuk mengembalikan masyarakat beraktivitas normal ditengah pandemi covid-19 dengan protokol kesehatan. Penerapan new normal menuai beragam komentar dari masyarakat dan masuk kedalam topik terpopuler di media sosial twitter. Analisis sentimen untuk memprediksi komentar ataupun opini masyarakat yang kecenderungan beropini positif maupun negatif. Preprocessing data menggunakan cleaning, case folding, normalisasi, stemming, filtering, dan tokenizing. Pada normalisasi kata bertujuan memperbaiki kesalahan penulisan kata (typo) berdasarkan KBBI dan TF-IDF sebagai metode pembobotan kata. Data yang digunakan terdiri dari 1000 tweet. Metode klasifikasi opini menggunakan metode K-Nearest Neighbor dan melakukan pengujian agar mendapatkan hasil akurasi yang paling terbaik serta mengevaluasi menggunakan confusion matrix. Hasil dari pelabelan untuk sentimen positif berjumlah 811 dan 189 untuk sentimen negatif. Klasifikasi K-NN dengan nilai k = 1 menghasilkan pengujian use training set dengan accuracy sebesar 100%, 92,60% untuk 10-fold cross-validation dan 94,50% untuk 80% percentage split.

Keywords

Sentimen Analisis; K-Nearest Neighbor (K-NN); New Normal

Full Text:

PDF

References

Gugus Tugas Percepatan Penanganan Covid-19. https://covid19.go.id/. Diakses 18 Agustus 2020. Jam 11:44 WIB.

Manalu, B.U., 2014, Analisis Sentimen Pada Twitter Menggunakan Text Mining. Skripsi, Teknologi Informasi Fak. Ilmu Komputer Dan Teknologi Informasi, Universitas Sumatera Utara, Medan.

Hartono., Abdullah, D., Hartama, D., Furqan, M., Zarlis, M., & Situmorang, Z., 2016, Sentiment Analysis Using Context Based Fuzzy Linguistic Hedges. Proceeding International Conference of Computer, Environment, Social Science, Engineering and Technology (ICEST) 2016, hal 160–162. http://repository.uinsu.ac.id/8929/

Alrumaih, A., Al-Sabbagh, A., Alsabah, R., Kharrufa, H., & Baldwin, J., 2020, Sentiment Analysis Of Comments In Sosial Media. International Journal Of Electrical And Computer Engineering (IJECE), No.6, Vol 10, 5917-5922. http://ijece.iaescore.com/index.php/IJECE/article/view/22285.

Nurjanah, W. E., Perdana, R. S., & Fauzi, M. A., 2017, Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, No.12, Vol.1, 1750–1757. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/631.

Jabal Tursina, M., 2019, Sentimen Analisis Sistem Zonasi Sekolah Pada Media Sosial Youtube Menggunakan Metode K-Nearest Neighbor Dengan Algoritma Levenshtein Distance. Skripsi Fakultas Sains dan Teknologi Program Studi Teknik Informatika, Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Faisal, R. M., & Nugrahadi, T. D., 2019, Belajar Data Science: Klasifikasi dengan Bahasa Pemrograman R. Scripta Cendekia : Banjarbaru, Kalimantan Selatan.

Han, J., & Kember, M., 2006, Data Mining Concepts and Techniques. Ed.2. In Elsevire : San Francisco.

Azzahra, A. S., & Wibowo, A., 2020, Analisis Sentimen Multi-Aspek Berbasis Konversi Ikon Emosi Dengan Algoritme Naïve Bayes Untuk Ulasan Wisata Kuliner Pada Web Tripadvisor. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), No.4, Vol.7, 737-744. https://jtiik.ub.ac.id/index.php/jtiik/article/view/1907.

Nugraha , F. A., Harani, N. H., & Habibi, R., 2020, Analisis Sentimen Terhadap Pembatasan Sosial Menggunakan Deep Learning. Kreatif Industri Nusantara : Bandung.

Mahendrajaya, R., Buntoro, G. A., & Setyawan, M. B, 2019, Analisis Sentimen Pengguna Gopay Menggunakan Metode Lexicon Based Dan Support Vector Machine. Komputek : Jurnal Teknik Universitas Muhammadiyah Ponorogo, No.2, Vol.3, 52–63. http://studentjournal.umpo.ac.id/index.php/komputek/article/view/270.

DOI: https://doi.org/10.33633/tc.v21i1.5446