Analisis Sentimen Terhadap New Normal Di Era Covid-19 Menggunakan Algoritma K-Nearest Neighbor (K-NN)

Sari, Susan Mayang (2021) Analisis Sentimen Terhadap New Normal Di Era Covid-19 Menggunakan Algoritma K-Nearest Neighbor (K-NN). Skripsi thesis, Universitas Islam Negeri Sumatera Utara.

[img] Text
SKRIPSI Susan Mayang Sari (ILKOMP NIM. 0701162003).pdf

Download (1MB)

Abstract

Masa pandemi covid-19 sudah mewabah virus nyaris ke segala kepenjuru dunia yang mengancam kesehatan, nyawa dan sudah mempengaruhi segala aspek kehidupan manusia. Di Indonesia pemerintah telah menerapkan new normal untuk mengembalikan masyarakat beraktivitas normal ditengah pandemi covid-19 dan menjalankan protokol kesehatan. Penerapan new normal menuai beragam komentar dari masyarakat dan masuk kedalam daftar terpopuler di media sosial twitter. Analisis sentimen dilakukan agar dapat memprediksi komentar ataupun opini masyarakat yang kecenderungan beropini positif maupun negatif. Metode preprocessing yang akan digunakan yaitu cleaning, case folding, normalisasi, stemming, filtering, dan tokenizing. Pada normalisasi kata bertujuan untuk memperbaiki kesalahan kata pada penulisan (typo) berdasarkan KBBI. Metode pembobotan kata yang menggunakan TF-IDF. Data yang digunakan terdiri dari 1000 tweet. Pada klasifikasi menggunakan metode K-Nearest Neighbor (K-NN) mempunyai prinsip yang simpel yaitu bekerja menurut jarak terdekat dari data yang diuji serta data dilatih. Melakukan perbandingan pengujian agar mendapatkan hasil akurasi yang paling terbaik serta mengevaluasi hasil menggunakan confusion matrix. Hasil dari pelabelan bahwa kelas sentimen positif lebih unggul berjumlah 811 dibandingkan kelas sentimen negatif berjumlah 189. Hasil dari masing-masing pengujian yang dilakukan memperoleh hasil dengan nilai k =1, untuk pengujian use training set mendapatkan hasil accuracy sebesar 100%, precision sebesar 100%, recall sebesar 100% dan f-measure sebesar 100%. Pada pengujian 10-fold cross validation yang didapat mendapatkan hasil accuracy sebesar 92,60%, precision sebesar 99,76%, recall sebesar 91,83% dan f-measure sebesar 95,63%. Dan yang terakhir 80% percentage split mendapatkan hasil accuracy sebesar 94,50%, precision sebesar 100%, recall sebesar 93,89% dan f- measure sebesar 96,89%.

Jenis Item: Skripsi (Skripsi)
Uncontrolled Keywords: Sentimen analisis, K-nearest neighbor (K-NN), New normal.
Subjects: 000 Generalities > 005 Computer programming, programs, data
Divisions: Fakultas Sains dan Teknologi > Ilmu Komputer > Skripsi
Pengguna yang mendeposit: Ms Nurul Hidayah Siregar
Date Deposited: 11 Aug 2022 04:37
Last Modified: 11 Aug 2022 04:37
URI: http://repository.uinsu.ac.id/id/eprint/14945

Actions (login required)

View Item View Item