ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP INFRASTRUKTUR JALAN DI LAMPUNG MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

Penulis

  • Muhammad Ravi Arjunanto Universitas Budi Luhur
  • Sejati Waluyo Universitas Budi Luhur

Kata Kunci:

twitter, infrastruktur lampung, countvectorizer, k-nearest neighbor

Abstrak

Terutama di negara berkembang, infrastruktur jalan merupakan faktor penting dalam mendorong pertumbuhan. Selain itu, pemerintah berperan penting dalam pembangunan infrastruktur dengan menyediakan pendanaan. Seperti diketahui, jalan merupakan salah satu bentuk infrastruktur publik; oleh karena itu, keterlibatan dan intervensi pemerintah diperlukan untuk mencapai hasil terbaik dan mendorong pembangunan ekonomi. Efek jangka panjang atau pasca konstruksi jalan juga telah menarik perhatian sejumlah penelitian sebelumnya. Namun di sebagian daerah masih ditemukan jalan yang rusak, contoh nya ada di daerah lampung. Pemerintah daerah lampung diduga lalai dalam pembangunan infrastuktur jalan di daerah lampung, dan sudah bertahun-tahun lama nya dibiarkan rusak seperti itu. Lalu ada seorang pemuda asal lampung yaitu Bima yang telah memViralkan jalan di lampung, dengan tujuan agar pemerintah dapat memperhatikan lagi infrastruktur-infratrsuktur di daerah di wilayah indonesia. Setelah viral, pak presiden jokowi dengan para menteri beserta jajarannya meninjau ke lampung untuk melihat secara langsung kondisi jalan rusak di lampung. Diharapkan dengan peninjauan langsung oleh pak presiden jokowi akan berdampak baik bagi masyarakat daerah lampung yang terdampak oleh jalan rusak. Tujuan penelitian ini adalah untuk mengetahui penilaian masyarakat terhadap jalan rusak di Lampung. Metode yang digunakan mengekstrak algoritma klasifikasi CountVectorizer dan K-Nearest Neighbor. Dataset terdiri dari query (tweet) yang mengandung kata kunci "Infrastruktur Lampung" di jejaring sosial Twitter. Analisis terhadap 350 tweet mengungkapkan sentimen positif sebesar 30,29% dan sentimen negatif sebesar 69,71% antara tanggal 7 April hingga 19 Juni 2023. Hasil pengujian terbaik diperoleh dengan menggunakan K=5, dengan akurasi sebesar 60%, presisi sebesar 36 %, dan penarikan 50%. 

Referensi

M. Afdal and L. R. Elita, “Penerapan Text Mining Pada Aplikasi Tokopedia Menggunakan Algoritma K-Nearest Neighbor,” J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 8, no. 1, p. 78, 2022, doi: 10.24014/rmsi.v8i1.16595.

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.

M. S. Alrajak, I. Ernawati, and I. Nurlaili, “Analisis Sentimen Terhadap Pelayanan PT PLN di Jakarta pada Twitter dengan Algoritma K- Nearest Neighbor (K-NN),” Semin. Nas. Mhs. Ilmu Komput. dan Apl., vol. 1, no. 2, pp. 110–122, 2020.

N. A. Rakhmawati, R. B. Waskitho, D. A. Rahman, and M. F. A. U. Nuha, “Klasterisasi Topik Konten Channel Youtube Gaming Indonesia Menggunakan Latent Dirichlet Allocation,” J. Inf. Eng. Educ. Technol., vol. 5, no. 2, pp. 78–83, 2021, doi: 10.26740/jieet.v5n2.p78-83.

S. Khairunnisa, A. Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” J. Media Inform. Budidarma, vol. 5, no. 2, p. 406, 2021, doi: 10.30865/mib.v5i2.2835.

N. Nofiyani and W. Wulandari, “Implementasi Electronic Data Processing Untuk meningkatkan Efektifitas dan Efisiensi Pada Text Mining,” J. Media Inform. Budidarma, vol. 6, no. 3, p. 1621, 2022, doi: 10.30865/mib.v6i3.4332.

S. Juniarsih, E. F. Ripanti, and E. E. Pratama, “Implementasi Naive Bayes Classifier pada Opinion Mining Berdasarkan Tweets Masyarakat Terkait Kinerja Presiden dalam Aspek Ekonomi,” J. Sist. dan Teknol. Inf., vol. 8, no. 3, p. 239, 2020, doi: 10.26418/justin.v8i3.39118.

M. Priandi and Painem, “Analisis Sentimen Masyarakat Terhadap Pembelajaran Daring di Era Pandemi Covid-19 pada Media Sosial Twitter Menggunakan Ekstraksi Fitur Countvectorizer dan Algoritma K-Nearest Neighbor,” Semin. Nas. Mhs. Ilmu Komput. dan Apl., vol. 2, no. 2, pp. 311–319, 2021.

B. M. Pintoko and K. M. L., “Analisis Sentimen Jasa Transportasi Online pada Twitter Menggunakan Metode Naive Bayes Classifier,” e-Proceeding Eng., vol. 5, no. 3, pp. 8121–8130, 2018.

I. A. Nikmatun and I. Waspada, “Implementasi Data Mining untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighbor,” J. SIMETRIS, vol. 10, no. 2, pp. 421–432, 2019.

Unduhan

Diterbitkan

11-10-2023

Cara Mengutip

Arjunanto, M. R., & Waluyo, S. (2023). ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP INFRASTRUKTUR JALAN DI LAMPUNG MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 810–817. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/914

Terbitan

Bagian

Artificial Intelligence