<![CDATA[Penelitian ini menggabungkan 2 algoritma yaitu algoritma K-Nearest Neighbor (KNN) dan Naïve Bayes dalam mengklasifikasikan opini masyarakat terhadap video dokumenter "Dirty Vote". KNN mengklasifikasikan data berdasarkan kemiripan dengan data yang ada, sementara Naïve Bayes menggunakan pendekatan probabilistik dengan asumsi independensi antar fitur. Tujuan penelitian ini adalah mengevaluasi efektivitas dan akurasi kedua algoritma dalam analisis sentimen. Hasil menunjukkan Naïve Bayes lebih mendapatkan tingkat akurasi sebesar 0.76. Kesimpulannya, Klasifikasi Opini Masyarakat terhadap Video Dirty Vote dengan menggunakan Algoritma KNN dan Naïve Bayes sangat penting dan bermanfaat untuk meningkatkan edukasi masyarakat mengenai pentingnya integritas pemilu dan mendorong partisipasi aktif dalam proses demokrasi, sehingga memperkuat sistem demokrasi dan memastikan suara masyarakat didengar dalam pengambilan keputusan politik. Kata Kunci— KNN, Naïve Bayes, Sentimen, Dirty Vote. ABSTRACTThis research combines 2 algorithms, namely the K-Nearest Neighbor (KNN) algorithm and Naïve Bayes in classifying public opinion on the documentary video "Dirty Vote". KNN classifies data based on similarity to existing data, while Naïve Bayes uses a probabilistic approach with the assumption of independence between features. The aim of this research is to evaluate the effectiveness and accuracy of the two algorithms in sentiment analysis. The results show that Naïve Bayes has a higher accuracy rate of 0.76. In conclusion, Classification of Public Opinion on Dirty Vote Videos using the KNN and Naïve Bayes Algorithms is very important and useful for increasing public education regarding the importance of election integrity and encouraging active participation in the democratic process, thereby strengthening the democratic system and ensuring that people's voices are heard in political decision making. Keywords— KNN, Naïve Bayes, Sentiment, Dirty Vote.]]>
Copyrights © 2024
