PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (KNN) ANALISIS SENTIMEN TWEET PADA ELEKTABILITAS BAKAL CALON PRESIDEN 2024

Abstrak

Kapasitas yang dirasakan tokoh politik untuk memenangkan pemilihan atau memenangkan dukungan publik disebut sebagai elektabilitas. Itu didasarkan pada berbagai kriteria subyektif, seperti popularitas mereka, kemampuan kepemimpinan, sikap terhadap masalah, latar belakang, karisma, kemampuan komunikasi, dan citra publik. Elektabilitas dapat bervariasi berdasarkan lingkungan politik, pemilu yang ada, dan demografi dan preferensi pemilih. Penelitian ini bertujuan untuk melakukan Analisis Sentimen Tweet Terhadap Elektabilitas Tokoh Politik Bakal Calon Presiden 2024 dengan Menggunakan Algoritma K-Nearest Neighbor (KNN) dan fitur ekstraksi CountVectorizer dengan dataset yang berupa teks kicauan (tweet) yang berasal dari pada media sosial Twitter dengan beberapa kata kunci ‘Ganjar Pranowo’, ‘Prabowo Subianto’, ‘Anies Baswedan’. Sehingga dapat mengetahui pola dan tren opini publik serta mengikuti perubahan sentimen dari waktu ke waktu dengan menggunakan analisis sentimen untuk percakapan mengenai kebijakan pemerintah di ruang publik. Berdasarkan banyak tweet atau sentimen masyarakat yang diambil pada periode Juni 2023 dengan tiap kata kuncinya yang berbeda mendapatkan, yaitu untuk kata kunci “Ganjar Pranowo” dengan tweet sebanyak 325 memperoleh 241 tweet positif, dan 84 tweet negatif. Lalu dengan kata kunci “Prabowo Subianto” dengan tweet sebanyak 313 memperoleh 77 tweet positif dan 236 tweet negatif, pada kata kunci “Anies Baswedan” dengan tweet sebanyak 322 memperoleh 138 tweet positif dan 184 tweet negatif. hasil pengujian dan evaluasi dengan menggunakan nilai K=3 dengan tiap kata kunci yang berbeda yaitu “Ganjar Pranowo” mendapatkan akurasi 77 %, presisi 77%, recall 100%, lalu “Prabowo Subianto” mendapatkan akurasi 97%, presisi 87%, recall 100%, dan “Anies Baswedan” mendapatkan akurasi 67%, presisi 44%, recall 42%.