SENTIMEN ANALISIS TENTANG HILIRISASI INDUSTRI BERDASARKAN OPINI MASYARAKAT DI TWITTER MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Abstrak

Perkembangan teknologi informasi telah mengalami kemajuan yang signifikan, terutama dalam memungkinkan masyarakat untuk menyampaikan opini mereka tanpa batasan waktu melalui media sosial. Salah satu platform media sosial yang populer untuk menyampaikan opini adalah Twitter. Banyak orang menggunakan Twitter untuk berbagi pendapat dan berpartisipasi dalam diskusi mengenai berbagai topik yang beragam, termasuk isu kebijakan hilirisasi. Hilirisasi merupakan salah satu strategi untuk meningkatkan nilai tambah komoditas yang dimiliki oleh negara. Di Indonesia, kebijakan hilirisasi yang saat ini digencarkan oleh pemerintah menjadi perbincangan hangat di kalangan masyarakat. Opini yang diungkapkan oleh masyarakat di Twitter dapat menjadi referensi penting untuk memahami tingkat kepuasan mereka terhadap strategi dan kebijakan yang diusulkan. Namun, menafsirkan opini-opini ini secara langsung bisa menjadi sulit. Oleh karena itu, pendekatan alternatif yang dapat digunakan adalah proses text mining. Dalam penelitian ini, dilakukan analisis sentimen terhadap data cuitan di Twitter yang telah dikumpulkan selama 1 Mei – 30 Juni 2023 menggunakan tweepy. Selanjutnya, dilakukan ekstraksi fitur menggunakan metode TF-IDF, dan data tersebut diklasifikasikan menggunakan algoritme K-Nearest Neighbor (K-NN) menjadi beberapa label sentimen, yaitu sentimen positif dan negatif. Hasil pengujian menunjukkan bahwa algoritme K-Nearest Neighbor menghasilkan akurasi optimal sebesar 80,77%, presisi 84,38%, dan recall 84,38% dengan menggunakan nilai k=7. Dimana total sentimen positif yang dihasilkan yaitu sebanyak 32 data dan 20 data merupakan sentimen negatif.