PENERAPAN ALGORITME K-NEAREST NEIGHBORS (KNN) UNTUK MENGANALISIS SENTIMEN MASYARAKAT TERHADAP KEBIJAKAN MASUK SEKOLAH PUKUL 5 PAGI

Penulis

  • Aina Fatihah Universitas Budi Luhur

Kata Kunci:

K-Nearest Neighbors, Analisis Sentimen, Text Mining, Youtube

Abstrak

Penelitian ini membahas kebijakan masuk sekolah pukul 5 pagi di Kupang, NTT, yang menjadi perhatian publik karena kontroversi yang muncul setelah diumumkan oleh Gubernur NTT, Bapak Victor. Video pembahasan kebijakan tersebut menampilkan Gubernur NTT telah menyebar luas di media sosial, khususnya di platform Youtube, dan mengundang berbagai respons dari masyarakat yang pro dan kontra terhadap kebijakan tersebut. Kebijakan masuk sekolah pukul 5 pagi telah menarik perhatian dan mendapat banyak kritik. Namun, masalah pendidikan di wilayah ini tidak dapat diatasi hanya dengan mengubah waktu masuk sekolah. Permasalahan pendidikan yang ada, seperti keterbatasan sarana dan prasarana, serta akses keterbatasan terbatas terhadap pendidikan berkualitas, perlu ditanggapi secara serius. Penelitian ini menggunakan algoritme K-Nearest Neighbors (KNN) untuk memahami sikap dan persepsi masyarakat terhadap kebijakan masuk sekolah pukul 5 pagi. Data yang digunakan berasal dari komentar di channel youtube CNN Indonesia terkait dengan topik penelitian ini. Hasil penelitian menunjukkan bahwa sebagian besar opini publik menentang kebijakan ini. Hasil pengujian dengan menggunakan confusion matrix dan nilai k=11, diperoleh akurasi sebesar 73.68%, presisi sebesar 75%, recall sebesar 17.65%, dan f1-score sebesar 28.58%.

Referensi

Hermansyah, “Manajemen Lembaga Pendidikan Sekolah Berbasis Digitalisasi Di Era Covid 19,” Fitrah : Jurnal Studi Pendidikan, vol. 12, no. 1, pp. 28–46, 2021, doi: https://doi.org/10.47625/fitrah.v12i1.320.

M. P. R. Putra and K. R. N. Wardani, “PENERAPAN TEXT MINING DALAM MENGANALISIS KEPRIBADIAN PENGGUNA MEDIA SOSIAL,” JUTIM (Jurnal Teknik Informatika Musirawas), vol. 05 no 1, pp. 63–71, 2020, [Online]. Available: http://eprints.binadarma.ac.id/11221/

Isman, A. Ahmad, and A. Latief, “Perbandingan Metode KNN Dan LBPH Pada Klasifikasi Daun Herbal,” Jurnal Resti (Rekayasa Sistem dan Teknologi Informasi), vol. 1, no. 10, pp. 557–564, 2021, doi: https://doi.org/10.29207/resti.v5i3.3006.

F. Subari, “SISTEM INFORMATION RETRIEVAL LAYANAN KESEHATAN UNTUK BEROBAT DENGAN METODE VECTOR SPACE MODEL (VSM) BERBASIS WEBGIS,” Seminar Nasional Teknologi Informasi, Komunikasi dan Aplikasinya, vol. 03, pp. 202–212, 2015.

A. Prasetyo, Rino, Indriati, and P. Adikara, Pandu, “Klasifikasi Hoax Pada Berita Kesehatan Berbahasa Indonesia Dengan Menggunakan Metode Modified K-Nearest Neighbor,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 12, pp. 7466–7473, 2018, [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/3991

S. Khomsah and Agus Sasmito Aribowo, “Model Text-Preprocessing Komentar Youtube Dalam Bahasa Indonesia,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 4, no. 4, pp. 648–654, 2020, doi: 10.29207/resti.v4i4.2035.

F. A. Nugraha, N. H. Harani, and R. Habibi, ANALISIS SENTIMEN TERHADAP PEMBATASAN SOSIAL MENGGUNAKAN DEEP LEARNING. Bandung: Kreatif Industri Nusantara, 2020. [Online]. Available: https://books.google.co.id/books?id=f738DwAAQBAJ&printsec=frontcover&hl=id#v=onepage&q&f=false

T. Muhayat, A. Fauzi, and D. J. Indra, “Analisis Sentimen Terhadap Komentar Video Youtube Menggunakan Support Vector Machines,” Progresif: Jurnal Ilmiah Komputer, vol. 19, pp. 231–240, 2023, [Online]. Available: http://ojs.stmik-banjarbaru.ac.id/index.php/progresif/article/view/1060

D. A. Kristiyanti, A. H. Umam, M. Wahyudi, R. Amin, and L. Marlinda, “Comparison of SVM & Naïve Bayes Algorithm for Sentiment Analysis Toward West Java Governor Candidate Period 2018-2023 Based on Public Opinion on Twitter,” The 6th International Conference on Cyber and IT Service Management (CITSM 2018), no. June 2021, pp. 1–6, 2018, doi: 10.1109/CITSM.2018.8674352.

D. A. Muthia, “ANALISIS SENTIMEN PADA REVIEW BUKU MENGGUNAKAN ALGORITMA NAÏVE BAYES,” Jurnal Paradigma, vol. XVI, no. 1, p. 12, 2014, doi: 10.31294/p.v16i1.723.

Unduhan

Diterbitkan

11-10-2023

Cara Mengutip

Fatihah, A. (2023). PENERAPAN ALGORITME K-NEAREST NEIGHBORS (KNN) UNTUK MENGANALISIS SENTIMEN MASYARAKAT TERHADAP KEBIJAKAN MASUK SEKOLAH PUKUL 5 PAGI . Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 846–855. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/924

Terbitan

Bagian

Artificial Intelligence