Klasifikasi Sentimen Masyarakat di Twitter terhadap Kenaikan Harga Bahan Bakar Minyak dengan Metode Modified K-Nearest Neighbor

Sofiah; Yusra; Muhammad Fikry; Lola Oktavia

doi:10.33372/stn.v9i1.988

Sofiah Universitas Islam Negeri Sultan Syarif Kasim Riau
Yusra Universitas Islam Negeri Sultan Syarif Kasim Riau
Muhammad Fikry Universitas Islam Negeri Sultan Syarif Kasim Riau
Lola Oktavia Universitas Islam Negeri Sultan Syarif Kasim Riau

DOI: https://doi.org/10.33372/stn.v9i1.988

Keywords: Kenaikan BBM, MK-NN, Twitter, Klasifiksi Sentimen

Abstract

Kenaikan harga Bahan Bakar Minyak menjadi salah satu tranding topic di kalangan masyarakat Indonesia, baik di dunia nyata maupun dunia maya khususnya di media sosial Twitter. Perkembangan teknologi informasi yang sangat pesat memudahkan masyarakat dalam menyebarkan informasi di sosial media. Naiknya harga BBM memunculkan opini masyarakat yang mengandung sentimen positif dan negatif. Penelitian ini dilakukan untuk mengetahui sentimen publik terkait kebijakan pemerintah yang menaikkan harga BBM serta menerapkan metode Modified K-Nearest Neighbor dalam pengklasifikasian sentimen pengguna Twitter terhadap kenaikan harga BBM. Modified K-Nearest Neighbor merupakan salah satu metode klasifikasi berdasarkan kemunculan kelas terbanyak pada data latih. Data yang digunakan adalah tweet dalam bahasa Indonesia berdasarkan kata kunci “kenaikan BBM” dengan jumlah dataset sebanyak 3.000 tweet. Pembobotan kata dengan menggunakan TF-IDF untuk melakukan klasifikasi sentimen ke dalam dua kelas positif dan negatif. Hasil dari penelitian ini adalah klasifikasi sentimen terhadap kenaikan harga BBM. Akurasi tertinggi didapat 83.33% pada data opini menggunakan perbandingan 90:10 dan K=3.

References

Amelia, S., Nor Hayati, M., & Prangga, S. (2022). Penerapan Metode Modified K-Nearest Neighbor Pada Pengklasifikasian Status Pembayaran Kredit Barang Elektronik dan Furniture.

Statistika, 22(1), 95–104.

Anggraini, W. P., Utami, M. S., Berlianty, J. M., & Sellya, E. (2021). Klasifikasi Sentimen Masyarakat Terhadap Kebijakan Kartu Prakerja di Indonesia. 13(4).

Buntoro, G. A. (2017). Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter. INTEGER: Journal of Information Technology, 2(1), 32–41.

Firmansah, R. A., Indrajir, R. E., & Dazki, E. (2022). Perancangan Digital Enterprise Architect Smart course Pada Industri Pendidikan. SATIN - Sains Dan Teknologi Informasi, 8(2). https://doi.org/10.33372/stn.v8i2.876

Nofiar, A., & Muhammad Ridwan. (2022). Alat Pendeteksi Ketepatan Penggunaan Masker Berbasis Arduino Menggunakan Bahasa Pemrograman Python. SATIN - Sains Dan Teknologi Informasi, 8(1), 69–81. https://doi.org/10.33372/stn.v8i1.835

Nuriza, A., & Hidayat, N. (2020). Klasifikasi Review Produk Kecantikan Pada Aplikasi Sociolla Menggunakan Algoritme Modified K-Nearest Neighbor ( MK-NN ) dengan Pembobotan BM25. 4(10), 3426–3431.

Paramitha, A. A., Indriati, & Sari, Y. A. (2020). Analisis Sentimen Terhadap Ulasan Pengguna MRT Jakarta Menggunakan Information Gain dan Modified K-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 4(4), 1125–1132.

Rozi, F. N., & Sulistyawati, D. H. (2019). Klasifikasi Berita Hoax Pilpres Menggunakan Metode Modified K-Nearest Neighbor Dan Pembobotan Menggunakan Tf-Idf. Konvergensi, 15(1).

Saputra, A. I., Oktavianto, H., Azizah, H., & Faruq, A. (2021). Penerapan Algoritma Modified K-Nearest Neighbour (MKNN) pada Klasifikasi Masa Studi Mahasiswa Teknik Informatika. Jurnal Smart Teknologi, 3(1), 2774–1702.

Setiawan, R. (n.d.). Sentiment Analysis on River Normalization for Flood Prevention with Modified K-Nearest Neighbor (MKNN).

TRISNO, M. O. H., Primartha, R., & Utami, A. S. (2020). Perbandingan Kinerja Algoritma K-Nearest Neighbor Dan Modified K-Nearest Neighbor Pada Klasifikasi Website Phishing.