IMPLEMENTASI TEXT MINING UNTUK DETEKSI UJARAN KEBENCIAN TERHADAP IBU KOTA NUSANTARA MENGGUNAKAN ALGORIMA K-NEAREST NEIGHBORS PADA PLATFORM X

Abstrak

Ibu Kota Nusantara (IKN) telah menimbulkan perdebatan sengit di media sosial, dengan beberapa diskusi berkembang menjadi ujaran kebencian. Penelitian ini bertujuan mendeteksi ujaran kebencian terhadap IKN di media sosial X, memberikan wawasan terbaru dalam menghadapi isu sensitif secara digital. Data pada penelitian ini menggunakan 1800 posts di media sosial X yang relevan dengan topik IKN atau Ibu Kota Nusantara dengan rentang 24 Mei 2024 hingga 14 Juni2024. Penelitian ini menggunakan metode K-Nearest Neighbors (KNN), sebuah algoritma yang tidak memerlukan model pelatihan sebelumnya dan beroperasi dengan mengklasifikasikan dan mendeteksi data berdasarkan kedekatan jarak k. Data yang telah dikumpulkan dari media sosial X dianalisis menggunakan pendekatan text mining dengan teknik ekstraksi fitur TF-IDF sebagai vektorisasi untuk mengubah data teks menjadi format numerik. Pengujian dilakukan dengan berbagai rasio split data dan berbagai jarak k untuk mengevaluasi konsistensi model. Hasil penelitian menunjukkan bahwa KNN mampu mendeteksi ujaran kebencian dengan akurasi yang memuaskan, hasil Akurasi terbaik adalah pada rasio 50:30 dan jarak k bernilai 3 serta tanpa balance data yaitu 88%, performa Precision terbaik adalah pada rasio 70:30 dan jarak k bernilai 5 serta dengan balance data yaitu 95%, performa Recall terbaik adalah pada rasio 60:40 dan jarak k bernilai 9 serta tanpa balance data yaitu 99%, dan terakhir performa F1-Score terbaik adalah pada rasio 50:30 dan jarak k bernilai 7 serta tanpa balance data yaitu 95%.