Perbandingan Metode Random Forest dan KNN pada Analisis Sentimen Twitter

Dwi Ahmad Dzulhijjah (Magister of Informatics Engineering, Universitas Amikom Yogyakarta, Indonesia)
Hafidz Sanjaya (Magister of Informatics Engineering, Universitas Amikom Yogyakarta, Indonesia)
Aji Said Wahyudi Hidayat (Magister of Informatics Engineering, Universitas Amikom Yogyakarta, Indonesia)
Almi Yulistia Alwanda (Magister of Informatics Engineering, Universitas Amikom Yogyakarta, Indonesia)
Ema Utami (Magister of Informatics Engineering, Universitas Amikom Yogyakarta, Indonesia)

SmartComp
Vol 12, No 3 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer

Twitter menjadi salah satu platform media sosial yang sering digunakan untuk menyampaikan berbagai keresahan terhadap berbagai permasalahan yang ada termasuk dengan program-program yang dibuat oleh pemerintah. Tweets adalah salah satu layanan yang disediakan kepada penggunanya dimana tweets ini berisi ungkapan pendapat pengguna yang dapat juga dibaca oleh pengguna lain. Pada penelitian ini dilakukan perbandingan antara dua algoritma klasifikasi yaitu Support Vector Machine dan K-nearest Neighbor dari segi akurasi. Perbandingan ini tidak lain bertujuan untuk mengetahui algoritma klasifikasi mana yang dapat menghasilkan akurasi terbaik dalam mengklasifikasi analisis sentiment data twitter. Setelah dilakukan pengujian dan evaluasi didapatkan hasil akurasi dari algoritma SVM sebesar 83% dan KNN sebesar 49%. Kata Kunci: Analisis Sentimen; KNN; Support Vector Machine