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

Furqan, Mhd.; Sriani, Sriani; Sari, Susan Mayang

doi:10.33633/tc.v21i1.5446

Cited by 12 publications

(14 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Data from 1000 tweets are used for model training using K-Nearest Neighbor (K-NN). Classification results with KNN (k = 1) achieved high accuracy, namely 100% on the training set, 92.60% on 10-fold cross-validation, and 94.50% on 80% percentage split (Furqan et al, 2022).Next is "Implementation of K-Nearest Neighbor (K-NN) Algorithm for Public Sentiment Analysis of Online Learning". This research applies the K-Nearest Neighbor (K-NN) algorithm in sentiment analysis of Twitter users related to online learning.…”

Section: Literature Review Related Researchmentioning

confidence: 99%

Analyzing Public Sentiment Regarding the Qatar 2023 World Cup Debate Using TF-IDF and K-Nearest Neighbor Weighting

Olajuwon,

Kusrini,

Kusnawi

2024

SinkrOn

View full text Add to dashboard Cite

This research aims to uncover the sentiment of Twitter users regarding the polemics surrounding the 2023 Qatar World Cup using a text-based sentiment analysis approach. The research methodology involves collecting data from Twitter posts, encompassing discussions, opinions, and responses related to the Qatar World Cup 2023. The TF-IDF weighting is applied to identify significant keywords in each post, while the K-Nearest Neighbor algorithm is employed to classify sentiments as positive, negative, or neutral. The findings reveal a comprehensive picture of how the public perceives the Qatar World Cup 2023 on the Twitter platform. The results not only cover positive and negative aspects of online discussions but also identify trends and patterns of sentiment that emerge during specific periods.The application of these methods provides valuable insights into understanding the dynamics of public opinion related to international sports events through the lens of social media. The results of the analysis demonstrate that a majority of Twitter users express positive sentiments towards the Qatar World Cup 2023, highlighting excitement and anticipation. However, some negative sentiments also arise, primarily related to controversies and concerns about the event. The research further identifies temporal variations in sentiment, reflecting changing public perceptions over time.This research contributes to the development of sentiment analysis methods by using a combination of TF-IDF weighting and the K-Nearest Neighbor algorithm to delve into Twitter users' perspectives. Consequently, the findings have practical applicability for further research and implementation in managing the social impact and public perception of major sporting events like the World Cup. .

show abstract

Section: Literature Review Related Researchmentioning

confidence: 99%

Analyzing Public Sentiment Regarding the Qatar 2023 World Cup Debate Using TF-IDF and K-Nearest Neighbor Weighting

Olajuwon,

Kusrini,

Kusnawi

2024

SinkrOn

View full text Add to dashboard Cite

show abstract

“…Pemrosesan terhadap saran dan keluhan kini dapat disampaikan secara real time melalui akun Twitter Gojek dan In-Driver, sehingga Gojek dan In-Driver Indonesia dapat mengetahui tanggapan secara cepat tingkat kepuasan pelanggan terhadap pelayanan yang diberikan. Namun mengingat banyaknya jumlah pelanggan, tidak sedikit pula saran maupun keluhan yang ditujukan ke akun Gojek dan In-Driver yang diterima per hari [6] [7].…”

Section: Pendahuluanunclassified

Sentiment Analysis in Determining Service Performance between In-Driver and Gojek based on Public Opinion using the Naive Bayes Method

Firmansyah,

Kurniawan

2024

SISTEMASI

View full text Add to dashboard Cite

Sistem transportasi berbasis aplikasi yang terhubung dengan koneksi internet yang ramai dibicarakan oleh masyarakat adalah ojek online. Salah satu perusahaan ojek online terkemuka di Indonesia adalah Gojek dan In-Driver. Setiap pelanggan memiliki tingkat kepuasan berbeda terhadap layanan yang diberikan oleh Gojek dan In-Driver Indonesia, sehingga selalu ada pro dan kontra berupa saran dan keluhan. Dilihat dari permasalahan yang ada, maka diperlukan sebuah solusi berupa analisis terhadap saran maupun keluhan yang diterima oleh perusahaan. Adapun permasalahan pengklasifikasian sebuah kalimat sentimen ke dalam kelas-kelas tertentu dapat diselesaikan dengan metode Multinomial Naive Bayes Classifier. Data yang digunakan berjumlah 1000 data serta data yang digunakan yaitu sejumlah 500 data pertama dan 500 data tweet kedua sebagai nilai perbandingan. Hasil perhitungan data gojek menghasilkan nilai accuracy sebesar 73%, precision sebesar 72%, recall sebesar 100%, dan f1-score sebesar 84%. Pada hasil perhitungan data indriver diperoleh nilai accuracy sebesar accuracy sebesar 85,71%, precision sebesar 85,185%, recall sebesar 95,833%, dan f1-score sebesar 90,196%. Hal tersebut membuktikan bahwa algoritma klasifikasi Naïve Bayes lebih cocok digunakan pada jumlah data yang lebih sedikit.

show abstract

“…Dalam penelitian ini metode yang digunakan dalam mengklasifikasi komisi pemilihan umun 2024 adalah Support Vector Machine (SVM) [11]. Metode SVM merupakan salah satu kelebihan yang dapat diimplementasikan relatif mudah, karena proses penentuan support vector dapat di rumuskan dalam confusion matrix [12] [13]. Analisis sentimen dan opinion mining adalah bidang studi yang menganalisis pendapat seseorang, sentimen seseorang, evaluasi seseorang [14][15] [16].…”

Section: Pendahuluanunclassified

Sentiment Analysis of the 2024 General Election Commission in Indonesia through Twiter using the Support Vector Machine (SVM) Algorithm

Maulana,

Putri

2024

SISTEMASI

View full text Add to dashboard Cite

Indonesia bisa menjadi negara berkeadilan berdasarkan Pancasila dan UUD 1945. Segala sesuatu yang berkaitan dengan pemerintahan telah diatur dalam Undang-Undang. Indonesia sendiri telah melewati tiga fase pemerintahan sejak memproklamasikan Kemerdekaan pada tanggal 17 Agustus 1945. Ketiga tahapan ini, khususnya, orde lama, orde baru, dan reformasi, masih berdampak hingga saat ini. Hal ini berbeda dengan dua tahap sebelumnya, dimana semua pilihan terpusat pada pemerintah. Pada masa perubahan ini, segala pilihan ada di tangan rakyat atau lebih dikenal dengan pemerintahan mayoritas.Dalam penelitian ini metode yang digunakan dalam mengklasifikasi komisi pemilihan umun 2024 adalah Support Vector Machine(SVM). Metode SVM merupakan salah satu kelebihan yang dapat diimplementasikan relatif mudah, karena proses penentuan support vector dapat di rumuskan dalam confusion matrix. Analisis sentimen dan opinion mining adalah bidang studi yang menganalisis pendapat seseorang, sentimen seseorang, evaluasi seseorangNamun dalam pelaksanaannya banyak sekali hal-hal yang dinilai oleh para pemilih bahwa Pemilu ini berjalan tidak sesuai dengan aturan yang ada. Mulai dari aroma kecurangan banyak disuarakan netizen, ketidaknetralan para penegak hukum terhadap salah satu calon pasangan presiden dan wakil presiden, serta pelaksanaan yang tidak JURDIL atau Jujur dan Adil. Semuanya banyak disuarakan lewat media sosial salah satunya adalah twitterDiketahui bahwa dari 2084 data yang diperoleh dari tweet mengenai KPU terdapat 29.5% merupakan sentimen yang bersifat positif dan 70.5% sentimen yang bersifat negatif. Hasil klasifikasi sentimen mengenai KPU menggunakan algoritma Support Vector Machine yang sesuai dengan data sebenarnya berjumlah 307 data dari total 418 data uji Nilai akurasi dari klasifikasi sentimen mengenai KPU menggunakan algoritma Support Vector Machine (SVM) yang diperoleh yaitu 73%.

show abstract

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

Cited by 12 publications

References 5 publications

Analyzing Public Sentiment Regarding the Qatar 2023 World Cup Debate Using TF-IDF and K-Nearest Neighbor Weighting

Analyzing Public Sentiment Regarding the Qatar 2023 World Cup Debate Using TF-IDF and K-Nearest Neighbor Weighting

Sentiment Analysis in Determining Service Performance between In-Driver and Gojek based on Public Opinion using the Naive Bayes Method

Sentiment Analysis of the 2024 General Election Commission in Indonesia through Twiter using the Support Vector Machine (SVM) Algorithm

Contact Info

Product

Resources

About