Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Mahendra, Zianka
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Opini Masyarakat Terhadap Fenomena TikTokShop di Indonesia Menggunakan Metode K-Nearest Neighbor berbasis N-gram dengan Seleksi Fitur Information Gain Mahendra, Zianka; Indriati; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 5 (2024): Mei 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

TikTokShop merupakan fitur terbaru yang diperkenalkan dalam platform TikTok. Di tengah popularitasnya yang sedang melonjak pemerintah Indonesia secara mendadak mengambil keputusan untuk menutup akses ke fitur ini. Keputusan ini telah menyebabkan masyarakat memiliki pandangan tersendiri terhadap suatu kebijakan pemerintah baik itu positif (mendukung) ataupun negatif (menyangkal). Opini masyarakat terhadap TikTokShop tersebar luas di media sosial, termasuk dalam kolom komentar pada platform youtube yang sangat masif diperbincangkan. Analisis Sentimen menjadi kunci untuk memahami pandangan mendalam masyarakat terhadap kebijakan ini. Analisis Sentimen pada penelitian ini menggunakan kombinasi metode K-Nearest Neighbors (KNN) berbasis N-Gram dan Information Gain sebagai seleksi fitur. Fitur N-Gram yang digunakan dalam penelitian ini adalah fitur Unigram, Bigram dan Gabungan Unigram-Bigram. Berdasarkan pengujian yang telah dilakukan, didapatkan hasil bahwa nilai terbaik terdapat pada fitur Unigram dan nilai threshold yang digunakan adalah 100%, menghasilkan akurasi sebesar 89%, dengan recall 89%, Precision sebesar 89.00%, dan F-Measure sebesar 89.00%. Berdasarkan temuan tersebut, dapat disimpulkan bahwa dalam menganalisis sentimen opini masyarakat Indonesia terhadap TikTokShop, metode K-Nearest Neighbor (KNN) dengan fitur Unigram dan tanpa seleksi fitur Information Gain memberikan hasil terbaik.
Co-Authors Achmad Ridok Indriati