Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JSR : Jaringan Sistem Informasi Robotik
Firmansyah, Dafa Akbar
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 THRIFTING PADA MEDIA SOSIAL TWITTER(X.COM) MENGGUNAKAN METODE K-NEAREST NEIGHBOR Firmansyah, Dafa Akbar; Damayanti, Devi
JSR : Jaringan Sistem Informasi Robotik Vol 8, No 1 (2024): JSR: Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v8i1.322

Abstract

Saat ini fenomena thrifting bukanlah hal yang baru dan menjadi populer dikalangan anak muda. Fashion saat ini menjadi kebutuhan yang perkembangan nya sangat cepat dengan munculnya berbagai trend fashion baru dikalangan remaja dalam waktu singkat. Salah satu trend adalah fashion thrfit. Thrifting adalah aktivitas berbelanja barang bekas dengan tujuan menghemat biaya. Namun,baru baru ini muncul isu tentang larangan thrifting di Indonesia, yang memicu kontroversi publik. Larangan thrifting di Indonesia didasarkan pada Undang Undang Republik Indonesia Nomor 7 Tahun 2014 tentang Perdagangan. Pasal tersebut menyatakan bahwa “setiap importir wajib mengimpor barangnya ke keadaan baru”. Dari pemaparan tersebut ada pihak yang setuju ada pula yang tidak. Berdasarkan banyaknya opini masyarakat di Twitter tentang thrifting, kita bisa menggunakan analisis sentimen untuk meninjau opini mana yang lebih dominan di masyarakat. Pada penelitian kali ini penulis ingin melakukan analisis sentimen terhadap topik thrifting menggunakan metode k-nearest neighbor. Hasil klasifikasi menggunakan metode K-Nearest Neighbor mampu mengklasifikasikan respon dari pengguna twitter dan dapat digunakan pemerintah sebagai bahan evaluasi dan penilaian terhadap thrifting. Hasil pengujian metode K-Nearest Neighbor menggunakan confusion matrix dengan data sebanyak 252 mendapatkan tingkat akurasi sebesar 76% dengan nilai k=3.
Co-Authors Devi Damayanti