-, Ika Nurul Fadhillah
Unknown Affiliation

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

Found 1 Documents
Search

Analisis Performa K-Nearest Neighbor Dalam Mengklasifikasi Sentimen Pengguna Aplikasi PeduliLindungi Sulfayanti; -, Ika Nurul Fadhillah; Nahya Nur
Journal of Computer and Information System ( J-CIS ) Vol 7 No 1 (2024): J-CIS Vol. 7 No. 1 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i1.3767

Abstract

Virus Corona 19 (Covid-19) merupakan inveksi vius menular yang kini telah menyebar ke berbagai negara, termasuk Indonesia. Pemantauan penyebaran Covid-19 di Indonesia ditangani langsung oleh Pemerintah Indonesia khususnya oleh Kementerian Komunikasi dan Informatika (KOMINFO) dengan pembuatan aplikasi PeduliLindungi yang dapat diunduh di Google Play Store. Pengguna memberikan ulasan atau komentar mereka tentang aplikasi dengan tujuan untuk mengevaluasi dan meningkatkan kualitas produk kedepannya. Salah datu cara dalam mengevaluasi ulasan adalah dengan menganalisis sentiment ulasan tersebut. Analisis terhadap sentiment ulasan dilakukan untuk menentukan apakah opini atau komentar terhadap suatu permasalahan atau isu terkait topik tertentu memiliki kecenderungan positif, negatif, atau netral. Sehingga peneliti ingin mengetahui sejauh mana gambaran umum masyarakat mengenai Aplikasi PeduliLindungi dengan memanfaatkan hasil analisis ini dengan melakukan teknik klasifikasi terhadap ulasan PeduliLindungi menggunakan Algoritma K-Nearest Neighbor. Hasil pengklasifikasian sentimen yang diperoleh yaitu opini kategori positif sebesar 58,66%, sentimen dengan kategori negatif sebesar 26,12%, dan sentimen dengan kategori netral sebesar 15,22% ulasan dari total 7.500 ulasan. Hasil ini menunjukkan bahwa masyarakat percaya dengan aplikasi PeduliLindungi dan menilai bahwa aplikasi tersebut layak untuk diinstal. Performa algoritma K-Nearest Neighbor dalam mengklasifikasi sentimen pengguna menghasilkan akurasi sebesar 60,66%, dengan nilai presisi 64%, recall 62,79%, dan F1-score 54,44%.