Klasifikasi Sentimen Komentar Debat Calon Presiden 2024 Di Youtube Dengan Algoritma K-Nearest Neighbors
Keywords:
Analisis Sentimen, K-Nearest Neighbor, Media Sosial, Preprocessing Data, Machine LearningAbstract
Dalam penelitian ini, metode K-Nearest Neighbor (KNN) digunakan untuk menganalisis sentimen terhadap berbagai topik yang menjadi perhatian publik di Indonesia. Dengan menggunakan data dari berbagai platform media sosial, terutama Twitter dan YouTube, studi ini menganalisis sentimen tentang kebijakan pemerintah, masalah sosial, dan layanan publik. Untuk menerapkan metode KNN, ada beberapa modifikasi dalam proses preprocessing data yang dilakukan, seperti pembobotan TF-IDF dan penggunaan algoritma jarak Levenshtein untuk meningkatkan akurasi. Hasil penelitian menunjukkan bahwa teknik KNN efektif dalam mengklasifikasikan sentimen masyarakat terhadap berbagai masalah. Ini termasuk penerapan sistem ganjil-genap, penghapusan ujian nasional, dan kualitas layanan internet. Selain itu, penelitian ini menghadapi masalah dalam menangani kelas data yang tidak seimbang; untuk mengatasi masalah ini, metode khusus diperlukan untuk meningkatkan efektivitas analisis sentimen.
References
Ahluna, F., Tutuarima, C. J., & Santoso, I. (2023). Metode K-Nearest Neighbor Untuk Analisis Sentimen Tentang Penghapusan Ujian Nasional. IKRA-ITH Informatika: Jurnal Komputer dan Informatika, 7(2), 170-175.
Hasanah, S., Purwasih, I., & Santoso, I. (2023). Analisis Sentimen Terhadap Masyarakat Adanya Uang Kertas Baru Menggunakan Algoritma K-Nearest Neighbor (Knn). IKRA-ITH Informatika: Jurnal Komputer dan Informatika, 7(2), 105-114.
Kurnianto, D. D., & Waluyo, S. (2023, October). Analisis Sentimen Masyarakat Terhadap Eks Pejabat Pajak Diperiksa Kpk Pada Youtube Menggunakan Metode K-Nearest Neighbor. In Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI) (Vol. 2, No. 2, pp. 632-641).
Larasakti, D. N., Aziz, A., & Aditya, D. (2023). Analisis Sentimen Komentar Video Youtube Dengan Metode K-Nearest Neighbor. Jurnal Ilmiah Wahana Pendidikan, 9(5), 132-142.
Pasaribu, F. B., Abulide, T., & Santoso, I. (2023). Analisis Sentimen Tentang Rencana Penghapusan Daya Listrik 450 Va Menjadi 900 Va Oleh Pemerintah Menggunakan Algoritma K-Nearest Neighbors. IKRA-ITH Informatika: Jurnal Komputer dan Informatika, 7(2), 90-97.
Rohmansyah, F. A., Bintoro, B., & Santoso, I. (2023). Analisis Sentimen Terhadap Penerapan Sistem Ganjil Genap Menggunakan Metode K-Nearest Neighbor (KNN). IKRA-ITH Informatika: Jurnal Komputer dan Informatika, 7(2), 165-169.
Septian, J. A., Fachrudin, T. M., & Nugroho, A. (2019). Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor. INSYST: Journal of Intelligent System and Computation, 1(1), 43-49.
Septiansyah, A., Yuliawati, A., & Santoso, I. (2023). Analisis Sentimen Terhadap Layanan Internet Di Indonesia Menggunakan Metode K-Nearest Neighbor. IKRA-ITH Informatika: Jurnal Komputer dan Informatika, 7(2), 98-104.
Tursina, M. J. (2019). Sentimen analisis sistem zonasi sekolah pada media sosial youtube menggunakan metode k-nearest neighbor dengan algoritma levenshtein distance (Bachelor's thesis, Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta).
Tursina, M. J. (2019). Sentimen analisis sistem zonasi sekolah pada media sosial youtube menggunakan metode k-nearest neighbor dengan algoritma levenshtein distance (Bachelor's thesis, Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta).
