Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JUKI : Jurnal Komputer dan Informatika Jurnal Indonesia : Manajemen Informatika dan Komunikasi
Eka Pandu Cynthia, Eka Pandu
UIN Sultan Syarif Kasim Riau
Computer Science & IT Languange, Linguistic, Communication & Media Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi Sentimen Masyarakat di Twitter terhadap Puan Maharani dengan Metode Modified K-Nearest Neighbor Putra, Wahyu Eka; Fikry, Muhammad; Yusra; Yanto, Febi; Cynthia, Eka Pandu
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 6 No. 1 (2025): Januari
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jimik.v6i1.1211

Abstract

This study aims to address the challenges in classifying sentiment on Twitter regarding Puan Maharani by implementing the Modified K-Nearest Neighbor (MK-NN) method, supplemented with feature weighting and feature selection techniques. This method is designed to improve accuracy by assigning higher weights to important features and reducing data dimensions to avoid overfitting. Data is collected using a crawling technique on Indonesian-language tweets, which are then manually labeled and processed through a preprocessing stage. The testing results using the modified K-Nearest Neighbor (MK-NN) method with confusion matrices show the model's performance at three different values of K (3, 5, and 7) and data ratios of 90:10, 80:20, and 70:30. With a 90:10 data ratio and K=3, the method achieved the highest accuracy of 89.0%. These results indicate that the combination of MK-NN and related techniques is highly effective in sentiment classification, offering an innovative solution to the limitations of conventional methods. These findings have potential applications in public opinion analysis, particularly for supporting data-driven strategic decision-making.
Penerapan Naïve Bayes Classifier dalam Klasifikasi Sentimen Publik di Twitter terhadap Puan Maharani Hidayat, Rizki; Fikry, Muhammad; Yusra, Yusra; Yanto, Febi; Cynthia, Eka Pandu
JUKI : Jurnal Komputer dan Informatika Vol. 6 No. 1 (2024): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2024
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53842/juki.v6i1.479

Abstract

Twitter adalah salah satu jejaring sosial terpopuler di Indonesia, dengan 18,45 juta pengguna aktif pada tahun 2022. Politisi berpengaruh Puan Maharani menjadi topik hangat di pesta ulang tahunnya di tengah protes harga bahan bakar. Analisis sentimen dapat membantu memahami keseluruhan sentimen yang diungkapkan di Twitter tentang Puan Maharani. Dua jenis dataset yang digunakan dalam penelitian ini, yaitu dataset tidak seimbang (9000 tweet: 7800 positif, 1200 negatif) dan dataset seimbang (2400 tweet: 1200 positif, 1200 negatif). Metode Naive Bayes classifier digunakan untuk klasifikasi sentimen, meliputi pengumpulan data, pelabelan, preprocessing, pembobotan TF-IDF, seleksi fitur, pembagian data, klasifikasi Naive Bayes, dan evaluasi dengan confusion matrix. Data dibagi dengan rasio 70:30, 80:20 dan 90:10 untuk data latih serta data uji. Feature selection menggunakan threshold 0,001. Merujuk hasil penelitian yang dilaksanakan, bisa disimpulkan bahwsanya analisis sentimen dapat menjadi alat yang efektif untuk memahami pendapat masyarakat khususnya netizen di platform Twitter terkait dengan persepsi terhadap Puan Maharani. Nilai akurasi tertinggi dari dataset tidak seimbang didapatkan yaitu sebesar 88.89% pada rasio pembagian data latih dan data uji 90:10 serta akurasi tertinggi dari dataset seimbang sebesar 81.0% pada rasio pembagian data 90:10.
Co-Authors Febi Yanto Hidayat, Rizki Muhammad Fikry Putra, Wahyu Eka Yusra Yusra, Yusra