IMPLEMENTASI ALGORITME K-NEAREST NEIGHBOUR DAN LEXICON BASED UNTUK ANALISIS SENTIMEN KEPUASAN PENGGUNA APLIKASI GRAMEDIA DIGITAL PADA MEDIA SOSIAL TWITTER

Penulis

  • Al Adiat Firman Alamsyah Universitas Budi Luhur
  • Sri Mulyati

Kata Kunci:

Analisis Sentimen, k-nearest neighbour, Lexicon Based, Gramedia Digital, Twitter

Abstrak

Analisis sentimen adalah proses pengumpulan, pengolahan, dan analisis data untuk menentukan sentimen atau opini yang terkandung dalam teks atau data yang dianalisis. Gramedia digital adalah sebuah aplikasi atau platform yang dikembangkan oleh PT. Gramedia Digital Nusantara, sebuah perusahaan yang bergerak di bidang media cetak dan transformasi digital di Indonesia. Kepuasan pengguna aplikasi Gramedia Digital yang menggunakan Twitter sebagai sarana untuk mengutarakan opini sangat penting. Melalui partisipasi pengguna dalam menyampaikan opini mereka, Gramedia Digital dapat memperbaiki dan mengembangkan produk dan layanan mereka sesuai dengan kebutuhan dan harapan pengguna. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Gramedia Digital menggunakan metode K-Nearest Neighbour (KNN) dan Lexicon Based. Tujuan lainnya adalah untuk memperoleh pemahaman yang lebih mendalam mengenai kepuasan pengguna terhadap aplikasi tersebut. Metode K-Nearest Neighbour (KNN) dan Lexicon Based digunakan dalam kombinasi untuk menganalisis sentimen pengguna terhadap aplikasi Gramedia Digital. Dengan menggunakan KNN, teks tweet yang mengandung opini dan sentimen diidentifikasi dan diklasifikasikan menjadi dua kategori, yaitu sentimen positif dan negatif. Metode Lexicon Based digunakan untuk memperkaya pemahaman sentimen dengan mengacu pada daftar kata-kata yang dikategorikan sebagai positif, negatif, atau netral. Kombinasi kedua metode ini diharapkan dapat mengoptimalkan hasil identifikasi sentimen pada teks tweet yang diambil dari media sosial Twitter. Hasil analisis sentimen menggunakan metode KNN dan Lexicon Based pada 1330 tweet dari media sosial Twitter dengan kata kunci 'Gramedia Digital' dan 'Gramdig' menunjukkan adanya dua kategori sentimen, yaitu positif dan negatif. Dalam dataset yang digunakan, sebanyak 1330 tweet dari periode 1 Januari 2023 hingga 15 Mei 2023, diperoleh akurasi tertinggi sebesar 75,97% dengan menggunakan nilai k = 3, dan rasio 60% data latih dan 40% data uji.

Referensi

I. Utami and M. Marzuki, “Analisis Sistem Informasi Banjir Berbasis Media Twitter,” Jurnal Fisika Unand, vol. 9, no. 1, pp. 67–72, 2020, doi: 10.25077/jfu.9.1.67-72.2020.

A. Halimi, K. Kusrini, and M. R. Arief, “Analisis Sentimen Masyarakat Indonesia Terhadap Pembelajaran Online Dari Di Media Sosial Twitter Menggunakan Lexicon Dan K-Nearest Neighbor,” COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi, vol. 2, no. 1, pp. 18–28, 2021, doi: 10.33650/coreai.v2i1.2283.

N. Habibah, E. Budianita, M. Fikry, and I. Iskandar, “Analisis Sentimen Mengenai Penggunaan E-Wallet Pada Google Play Menggunakan Lexicon Based dan K-Nearest Neighbor,” vol. 10, no. 1, pp. 192–200, 2023, doi: 10.30865/jurikom.v10i1.5429.

R. Mahendrajaya, G. A. Buntoro, and M. B. Setyawan, “Analisis Sentimen Pengguna Gopay Menggunakan Metode Lexicon Based Dan Support Vector Machine,” Komputek, vol. 3, no. 2, p. 52, 2019, doi: 10.24269/jkt.v3i2.270.

N. Putriani, F. R. Umbara, and P. N. Sabrina, “Analisis Sentimen pada Aplikasi PeduliLindungi dengan Menggunakan Metode Improved K-Nearest Neighbor dan Lexicon Based,” vol. 8, no. 1, pp. 350–364, 2022.

F. Z. Tala, “A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia,” M.Sc. Thesis, Appendix D, vol. pp, pp. 39–46, 2003.

S. Rahayu, Y. MZ, J. E. Bororing, and R. Hadiyat, “Implementasi Metode K-Nearest Neighbor (K-NN) untuk Analisis Sentimen Kepuasan Pengguna Aplikasi Teknologi Finansial FLIP,” Edumatic: Jurnal Pendidikan Informatika, vol. 6, no. 1, pp. 98–106, 2022, doi: 10.29408/edumatic.v6i1.5433.

D. A. Lestari and D. Mahdiana, “Penerapan Algoritma K-Nearest Neighbor pada Twitter untuk Analisis Sentimen Masyarakat Terhadap Larangan Mudik 2021,” Informatik : Jurnal Ilmu Komputer, vol. 17, no. 2, p. 123, 2021, doi: 10.52958/iftk.v17i2.3629.

M. Furqan, S. Sriani, and S. M. Sari, “Analisis Sentimen Menggunakan K-Nearest Neighbor Terhadap New Normal Masa Covid-19 Di Indonesia,” Techno.Com, vol. 21, no. 1, pp. 51–60, 2022, doi: 10.33633/tc.v21i1.5446.

F. Rizqi Irawan, “Analisis Sentimen Terhadap Pengguna Gojek Menggunakan Metode K-Nearset Neighbors,” JIKO (Jurnal Informatika dan Komputer), vol. 5, no. 1, pp. 62–68, 2022, doi: 10.33387/jiko.v5i1.4267.

Unduhan

Diterbitkan

11-10-2023

Cara Mengutip

Firman Alamsyah, A. A., & Mulyati, S. (2023). IMPLEMENTASI ALGORITME K-NEAREST NEIGHBOUR DAN LEXICON BASED UNTUK ANALISIS SENTIMEN KEPUASAN PENGGUNA APLIKASI GRAMEDIA DIGITAL PADA MEDIA SOSIAL TWITTER. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 521–529. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/790

Terbitan

Vol 2 No 2 (2023): Prosiding SENAFTI Ke-3 September 2023

Bagian

Artificial Intelligence

Lisensi

Hak Cipta (c) 2023 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>