Klasifikasi Sentimen Masyarakat di Twitter terhadap Ganjar Pranowo dengan Metode K-Nearest Neighbor

Abstract

Ada banyak jenis media sosial untuk mengumpulkan informasi, berbagi informasi dan berbagi berita, salah satunya adalah Twitter. Dalam penelitian ini, klasifikasi berbasis sentimen dilakukan dalam dua kategori, yaitu positif dan negatif, dengan mengaplikasikan metode K-Nearest Neighbor pada sosok gubernur Jawa Tengah yaitu bapak Ganjar Pranowo. K-Nearest Neighbor adalah metode pengklasifikasian objek berdasarkan data training yang menggunakan jarak atau kemiripan terkecil dari objek tersebut. Pada tahap pembelajaran, algoritma ini hanya menyimpan vektor karakteristik dan mengklasifikasikan data pembelajaran. Selama tahap klasifikasi, fitur-fitur yang sama dihitung untuk data uji, yang mana kelasnya tidak diketahui. Jarak dari vektor baru ini ke vektor data pelatihan dihitung dan K berikutnya diambil. Penelitian ini bertujuan untuk mendapatkan nilai akurasi menggunakan 4.000 data dengan sentimen negatif dan positif yang masing-masing berjumlah 2.000. Setelah data tweet berhasil diambil dari Twitter, data tersebut masih berbentuk mentah dan memerlukan tahap preprocessing untuk menghasilkan data yang bersih dan siap untuk diproses pada tahap selanjutnya. Perhitungan nilai akurasi dengan mengklasifikan sentimen masyarakat di Twitter terhadap Ganjar Pranowo menggunakan metode K-Nearest Neighbor dalam menguji akurasi menghasilkan nilai akurasi yang cukup baik yaitu 81% precision 81 % recall 81%.