Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Dike

Analisis Sentimen Tweet COVID-19 menggunakan K-Nearest Neighbors dengan TF-IDF dan Ekstraksi Fitur CountVectorizer Mahendra, Muhammad Hafizh; Murdiansyah, Danang Triantoro; Lhaksmana, Kemas Muslim
Dike Vol. 1 No. 2 (2023): Dike Edisi Agustus
Publisher : CV. Ro Bema

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69688/dike.v1i2.35

Abstract

Analisis sentimen tweet terkait COVID-19 telah menjadi topik penelitian yang menarik karena memberikan wawasan tentang pandangan dan perasaan pengguna media sosial terhadap situasi kesehatan global ini. Dalam penelitian ini, kami melakukan analisis sentimen tweet COVID-19 menggunakan metode K-Nearest Neighbors (K-NN) dengan dua metode ekstraksi fitur yang berbeda, yaitu Term Frequency-Inverse Document Frequency (TF-IDF) dan CountVectorizer. Langkah pertama dalam penelitian ini adalah mengumpulkan dataset tweet terkait COVID-19 dari sumber yang dapat dipercaya. Setelah itu, kami membersihkan dan melakukan pra-pemrosesan data untuk mengatasi masalah seperti tanda baca, stop words, dan tautan. Selanjutnya, kami menerapkan dua teknik ekstraksi fitur, yaitu TF-IDF dan CountVectorizer, untuk mengubah teks tweet menjadi representasi vektor yang dapat digunakan oleh algoritma K-Nearest Neighbors. Dalam implementasi K-NN, kami menentukan parameter K yang optimal melalui validasi silang untuk meningkatkan kinerja model. Kami juga membagi dataset menjadi subset pelatihan dan pengujian untuk mengukur akurasi dan kinerja model secara objektif. Hasil eksperimen menunjukkan bahwa K-Nearest Neighbors dengan ekstraksi fitur TF-IDF dan CountVectorizer keduanya memberikan hasil yang baik dalam analisis sentimen tweet COVID-19. Namun, kami menemukan bahwa satu metode mungkin memberikan performa yang lebih baik tergantung pada karakteristik dataset tertentu. Dalam kesimpulan, analisis sentimen tweet COVID-19 dengan menggunakan K-Nearest Neighbors dan dua metode ekstraksi fitur, TF-IDF dan CountVectorizer, dapat memberikan wawasan berharga tentang pandangan dan perasaan pengguna media sosial selama masa pandemi. Penelitian ini memberikan kontribusi untuk memahami persepsi publik tentang COVID-19 dan dapat berguna untuk menginformasikan kebijakan kesehatan dan strategi komunikasi yang lebih efektifPada studi ini digunakan KNN (K-Nearest Neighbor) yang memiliki kompleksitas komputasi rendah untuk mengklasifikasikan tweet. Kemudian ekstraksi fitur yang digunakan adalah TF-IDF (Term Frequency - Inverse Document Frequency) dan CountVectorizer. Hasil pengujian pada studi ini menghasilkan hasil akurasi terbaik 73,2% dengan menggunakan TF-IDF.
Co-Authors Abdurrahman, Azzam Abiyyu, Ahmad Syafiq Achmad Salim Aiman Adelia, Dila Adhyaksa Diffa Maulana Aditya Eka Wibowo Aditya Gifhari Soenarya Adiwijaya Aghi Wardani Agni Octavia Agus Kusnayat Ahmad Y, Rafly Ahmad Y Ahmad, Alif Faidhil Ahmad, Fathih Adawi Al Faraby, Said Alberi Meidharma Fadli Hulu Amalia Elma Sari Amien, Iqmal Lendra Faisal Andiani, Annisa Dwi Andini, Bilqiis Shahieza Angraini, Nadya Arda Anisa Herdiani Annisa Miranda Arini Rohmawati Athallah, Muhammad Rafi Aura Sukma Andini Bayu Muhammad Iqbal Bonar Panjaitan Brata Mas Pintoko Chandra Jaya Riadi Chlaudiah Julinar Soplero Lelywiary Choirulfikri, Muhammad Rizqi Damayanti, Lisyana Dana Sulitstyo Kusumo Danang Triantoro Murdiansyah David Winalda Delva, Dwina Sarah Deni Saepudin Denny Darlis Dewantara, Muhammad Pascal Dida Diah Damayanti Didit Adytia dina juni restina Dino Caesaron Donni Richasdy Donny Rhomanzah Dzidny, Dimitri Irfan Eki Rifaldi Eko Darwiyanto Ela Nadila Emrald Emrald Erwin Budi Setiawan Fakhrana Kurnia Sutrisno Farisi, Kamaludin Hanif Fatih, Muhammad Abdurrohman Al Ferdian Yulianto Fhira Nhita Guido Tamara Hadi, Salman Farisi Setya Haga Simada Ginting Haidar, Muhammad Dzakiyuddin Harahap, Rizki Nurhaliza Harmandini, Keisha Priya Haura Athaya Salka Herodion Simorangkir Hutama, Nanda Yonda Ika Puspita Dewi Intan Khairunnisa Fitriani Irgi Aditya Rachman Isman Kurniawan Jofardho Adlinnas Jondri Jondri Jordan, Brilliant Kacaribu, Isabella Vichita Kamaludin Hanif Farisi Kautsar Ramadhan Sugiharto Lukito Agung Waskito Luqman Bramantyo Rahmadi Luthfi, Muhammad Faris M. Mahfi Nurandi Karsana Mahendra Dwifebri Purbolaksono Mahendra, Muhammad Hafizh Marendra Septianta Marozi, Ericho Mehdi Mursalat Ismail Mira Rahayu Moch Arif Bijaksana Mohamad Reza Syahziar Muhammad Adzhar Amrullah Muhammad Arif Kurniawan Muhammad Yuslan Abu Bakar Muhammad Zaid Dzulfikar muhammad zaky ramadhan Muhammad Zidny Naf'an Murman Dwi Praseti Musyafa’noer Sandi Pratama Nanda Yonda Hutama Naufal Furqan Hardifa Naufal Hilmiaji Naufal Rasyad Nibras Syihabil Haq Octaryo Sakti Yudha Prakasa Okky Zoellanda A. Tane Pamungkas, Danit Hafiz Praja, Yudhistira Imam Purwita, Naila Iffah Putri, Arla Sifhana Putri, Meira Reynita Putrisia, Denada R. Fajrika hadnis Putra Rafi Hafizhni Anggia Rahadian, Muhammad Rafi Ramdhani, Muhammad Rifqi Fauzi Rastim Rastim Rayhan, Muhammad Aditya Resky Nadia Rizki Luthfan Azhari Rizky Ahmad Saputra Rizky Aria Mu’allim Rizky, Fariz Muhammad Seno Adi Putra Seto Sumargo Shabrina, Ghina Annisa Siddiq, Ikhsan Maulana Sindi Fatika Sari Sri Utami Sri Widowati Sukmawan Pradika Janusange Santoso Suwaldi Mardana Syadzily , Muhammad Hasan Tri Widarmanti Try Moloharto Try Moloharto Vitalis Emanuel Setiawan Wardhani, Fitri Herinda Widi Astuti Widi Astuti Youga Pratama Yuliant Sibaroni Yusuf Nugroho Doyo Yekti Zaena, Siffa Zaenal Abidin ZK Abdurahman Baizal Zulkarnaen, Imran