ANALISIS SENTIMEN DATA KOMENTAR SOSIAL MEDIA FACEBOOK DENGAN K-NEAREST NEIGHBOR (STUDI KASUS PADA AKUN JASA EKSPEDISI BARANG J&T EKSPRESS INDONESIA)
Abstract
Pada saat ini media sosial telah menjadi alat komunikasi yang sangat popular di kalangan pengguna internet di Indonesia. Salah satu media sosial tersebut yakni Facebook dengan jumlah opini yang besar dan di dalamnya terdapat informasi yang sangat berharga sebagai alat penentu kebijakan dan ini bisa di lakukan dengan menggunakan text mining, kemudian masalah timbul bagaimana mengelompokkan komentar-komentar yang ada di facebook page J&T ke dalam kelas positif dan kelas negatif. Sistem klasifikasi komentar diharapkan dapat membantu untuk mengetahui respon positif dan negatif dari pengguna facebook yang memberikan komentarnya. Sentiment analysis digunakan untuk mengetahui sikap seseorang dalam konteks dokumen. Sentiment analysis memiliki tahapan preprocessing yang terdiri dari case folding, tokenizing, stopword removal, stemming. Pembobotan kata yang digunakan adalah term frequency–invers document frequency dan perhitungan similaritasnya menggunakan cosine similarity kemudian menggunakan K-Nearest Neighbor sebagai metode klasifikasinya. Hasil yang didapatkan dari implementasi metode KNN ini cukup baik dengan uji coba sebanyak 6 kali. Rata-rata accuracy tertinggi adalah 79.21% sedangkan accuracy terendah adalah 70.3%.
References
Hagi Semara Putra, Penentuan Emosi Berdasarkan Lirik Lagu Menggunakan Sistem Temu Kembali Informasi Dengan Metode Latent Semantic Indexing (Lsi), pp. 5-9, 2015.
Evasaria Sipayung, Herastia Maharani, and Ivan Zefanya, Perancangan Sistem Analisis Sentiment Komentar Pelanggan Menggunakan Metode Naive BayesClassifier,jurnal sistem informasi, vol. 8, no. 1, pp. 958-965, 2016.
Kartika Lidya Syahfitri, Opim Salim Sitompul, and Syahril Efendi, Sentiment Analisys Padateks Bahasa Indonesia Menggunakan Support Vector Machine (Svm) Dan K-Nearest Neighbor (K-Nn), pp. 1-8, 2015.
Moh Aziz Nugroho, Kalsifikasi Dokumen Komentar Pada Situs Youtube Menggunakan Algoritma K-Nearest Neighbor (K-Nn),skripsi fakultas ilmu komputer, no. 5, 2016.
Anita Novantirani, Mira Kania Sabariah, and Veronika Effendy, Analisis Sentimen Pada Twitter Untuk Mengeneai Penggunaan Transportasi Umum Darat Dalam Kota Dengan Metode Support Vector Machine,e-Proceeding of Engineering, vol. 2, no. 1, pp. 1-7, 2015.
Didik Garbian Nugroho, Yulison Herry Chrisnanto, and Agung Wahana, Analisis Sentimen Pada Jasa Ojek Online Menggunakan Metode Naive Bayes, pp. 156-161, 2016.
Henny Leidiyana, Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor,jurnal penelitian ilmu komputer, no. 1, pp. 65-76, 2013.
Herdiawan, Analisis Sentimen Terhadap Telkom Indihome Berdasarkan Opini Publik Menggunakan Metode Inproved K-Nearest Neighbor ,no. 1, pp. 1-13, 2016.
Budi Santoso, Text Mining Untuk Analisis Senitment Review Film Menggunakan Algoritma K-Means, vol. 16, no. 1, pp. 1-8, 2017.
