Uji Akurasi Penggunaan Metode KNN dalam Analisis Sentimen Kenaikan Harga BBM pada Media Twitter

Arifin, Andrean Jonathan (Universitas Kristen Satya Wacana)
Nugroho, Adi (Universitas Kristen Satya Wacana)

Progresif: Jurnal Ilmiah Komputer
Vol 19, No 2: Agustus 2023

The government in an effort to run the government is inseparable from the policies that must be made and taken. One policy alone can attract diverse sentiments from society. Based on this, this study was made to analyze public sentiment towards government policies, especially government policies regarding fuel price hikes. In this study, the analysis process using the K-Nearest Neighbor algorithm classifies tweets from Twitter into two categories, namely positive and negative. The research stages started from crawling data, data preprocessing, labeling, classification using the KNN algorithm, and evaluation. With an accuracy of 94.33% in classifying data. With the results of this research, it is hoped that it will make it easier for the government to see people's responses and sentiments towards the fuel increase policy so that the government can produce better policies by incorporating what the people have given.Keywords: K-Nearest Neighbor Algorithm; Rise in fuel prices; Sentiment Analysis; Twitter. AbstrakPemerintah dalam upaya menjalankan pemerintahan tidak terlepas dengan kebijakan-kebijakan yang harus dibuat dan diambil. Dari satu kebijakan saja sudah bisa menarik sentimen yang beragam dari masyarakat. Dengan berdasarkan hal itu penelitian ini dibuat untuk menganalisa sentimen masyarakat terhadap kebijakan pemerintah khususnya pada kebijakan pemerintah mengenai Kenaikan BBM. Pada penelitian ini proses analisa menggunakan algoritme K-Nearest Neighbor mengklasifikasikan tweets dari twitter menjadi dua kategori yaitu positif dan negatif. Tahapan penelitian dimulai dari crawling data, data preprocessing, pelabelan, klasifikasi menggunakan algoritme KNN, dan Evaluasi. Dengan hasil akurasi 94,33% dalam mengklasifikasikan data. Dengan hasil penelitian ini diharapkan dapat mempermudah pemerintah dalam melihat tanggapan dan sentimen masyarakat terhadap kebijakan kenaikan BBM sehingga pemerintah dapat menghasilkan kebijakan yang lebih baik bersama dengan masukkan-masukkan yang diberikan rakyat.Kata kunci: Algoritme K-Nearest Neighbor; Kenaikan Harga BBM; Analisa Sentimen; Twitter.