PENERAPAN ALGORITMA K-NEAREST NEIGHBOR UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP KEBIJAKAN SUBSIDI KENDARAAN LISTRIK

Abstrak

Ancaman krisis energi di masa depan mendorong pemerintah Indonesia untuk berperan aktif dalam mendukung peralihan penggunaan kendaraan dari kendaraan bermotor berbahan bakar minyak ke kendaraan listrik berbasis baterai dengan mengeluarkan peraturan terkait pemberian subsidi kendaraan listrik. Peran media sosial seperti Twitter dapat menjadi wadah dan sarana pengumpulan data yang dapat digunakan untuk mengetahui reaksi publik terhadap kebijakan pemberian subsidi kendaraan listrik yang dilakukan oleh pemerintah. Opini masyarakat terhadap kebijakan subsidi kendaraan listrik di media sosial Twitter cenderung negatif, sebab kebijakan tersebut dianggap tidak adil karena lebih memihak kepada masyarakat golongan menengah ke atas. Namun demikian belum terdapat penelitian yang mengklasifikasikan sentimen opini masyarakat di Twitter terhadap kebijakan tersebut. Penelitian ini bertujuan untuk mencari nilai positif dan negatif atas kebijakan pemberian subsidi kendaraan listrik menggunakan algoritma K-Nearest Neighbor dengan mengimplementasikan Cross-Industry Standard Process for Data Mining (CRISP-DM) menggunakan kata kunci “Subsidi Kendaraan Listrik”, “Subsidi Mobil Listrik”, dan “Mobil Listrik”. Proses pengumpulan data dilakukan dengan menggunakan bantuan tools Rapidminer. Data awal yang dikumpulkan berjumlah 7,518 data tweet namun setelah melewati tahap data preprocessing dan membuang data bersentimen netral, maka jumlah data yang siap digunakan berkurang menjadi 1,107 data tweet dimana 298 data berlabel positif dan 809 data berlabel negatif, sehingga dapat diketahui 73.08% dari seluruh data tweet yang digunakan dalam penelitian ini berisi sentimen negatif. Berdasarkan penerapan model menggunakan algoritma K-Nearest Neighbor dan metode Split Data, diperoleh nilai accuracy sebesar 73.42%, precision sebesar 81.99%, dan recall sebesar 81.48%.