Penerapan Algoritma K-Nearest Neighbor Untuk Analisis Sentimen Ulasan SiCepat Ekspres Pada Twitter

Abstrak

Twitter merupakan media sosial yang kini sering digunakan oleh masyarakat sebagai tempat untuk membagikan informasi dan juga mengungkapkan sebuah opini. SiCepat Ekspres merupakan perusahaan ekspedisi jasa pengiriman yang mulai dikenal dan digunakan oleh masyarakat sejak menjamurnya e-commerce. Masalah yang ada dalam melihat tanggapan masyarakat di media sosial Twitter terhadap ulasan jasa pengiriman SiCepat adalah tidak adanya fitur pada Twitter untuk dapat melihat kecondongan pendapat pengguna, sehingga sulit untuk mengevaluasi tanggapan masyarakat terhadap ulasan jasa pengiriman SiCepat. Penelitian ini dilakukan dengan metode Cross-Industry Standard Process for Data Mining (CRISP-DM) dengan tujuan untuk melakukan analisis terhadap sentimen positif dan negatif terhadap tweet masyarakat berbasis Lexicon dan untuk mengetahui seberapa besar nilai akurasi yang dihasilkan dari analisis sentimen menggunakan algoritma K-Nearest Neighbor (K-NN). Penelitian ini menghasilkan 4.769 tweet dari proses preprocessing dengan jumlah sentimen negatif 1.924 tweet dan jumlah sentimen positif 936 tweet setelah dilakukan pemberian label sentimen. Hasil akhir yang didapatkan dari penerapan algoritma K-NN adalah nilai akurasi sebesar 71.85% dengan menggunakan nilai k=8 pada pemodelan split data perbandingan 80:20 untuk data latih dan data uji.