Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal INTECOMS: Journal of Information Technology and Computer Science
Rahman, Fadhel Naufal
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Analisis Sentimen Masyarakat Terhadap Pemerintah di Era Kabinet Joko Widodo Berdasarkan Sosial Media X Menggunakan Naïve bayes dan K-Nearest Neighbor (KNN) Rahman, Fadhel Naufal; Lestari, Sri
INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v7i5.11823

Abstract

Selama masa jabatannya, Presiden Joko Widodo beserta kabinet bentukannya seringkali membuat kebijakan baru yang menimbulkan reaksi dimasyarakat baik positif, atau negatif. Reaksi masyarakat pula biasanya beragam mulai dari yang mendukung hingga mengkritisi kebijakan tersebut. Jika komentar tersebut diolah dengan baik maka dapat dijadikan acuan pemerintah yang akan menjabat di periode berikutnya guna mengevaluasi keputusan – keputusan pemerintah terhadap pengambilan kebijakan. Melihat hal ini maka diperlukan sebuah analisis sentimen yang ditujukan untuk melakukan klasifikasi dari berbagai komentar yang beredar agar dapat disajikan menjadi sebuah informasi yang bermanfaat. Pada penelitian ini dilakukan pengolahan data dengan algoritma Naïve Bayes Classifier dan K-Nearest Neighbor (KNN) dengan data yang diambil dari cuitan pada platform media sosial (X). Dari kedua metode ini digunakan sebagai hasil akhir akurasi dari penelitian ini dan menjadikan perbandingan nya antara satu sama lain. Data yang digunakan berjumlah 5329 tweets lalu melalui tahapan cleansing menjadi berjumlah 3437 data. Setelah dioalah datanya didapatkan nilai accuracy dari algoritma Naïve Bayes sebesar 93.02%%, sedangkan jika menggunakan algoritma K-Nearest Neighbor (KNN) mendapatkan nilai accuracy 96.33%. Sehingga dapat dikatakan bahwa algorima K-Nearest Neighbor (KNN) dapat mengklasifikasikan data secara lebih baik dibandingkan Naïve Bayes.
Co-Authors Sri Lestari