Klasifikasi Sentimen Masyarakat di Twitter Terhadap Kenaikan Harga Bahan Bakar Minyak dengan MetodeModified K-Nearest Neighbor

Abstract

Kenaikan harga Bahan Bakar Minyak menjadi salah satu
tranding topic di kalangan masyarakat Indonesia, baik di
dunia nyata maupun dunia maya khususnya di media sosial
Twitter. Perkembangan teknologi informasi yang sangat
pesat memudahkan masyarakat dalam menyebarkan
informasi di sosial media. Naiknya harga BBM
memunculkan opini masyarakat yang mengandung sentimen
positif dan negatif. Penelitian ini dilakukan untuk mengetahui
sentimen publik terkait kebijakan pemerintah yang
menaikkan harga BBM serta menerapkan metode Modified
K-Nearest Neighbor dalam pengklasifikasian sentimen
pengguna Twitter terhadap kenaikan harga BBM. Modified
K-Nearest Neighbor merupakan salah satu metode klasifikasi
berdasarkan kemunculan kelas terbanyak pada data latih.
Data yang digunakan adalah tweet dalam bahasa Indonesia
berdasarkan kata kunci “kenaikan BBM” dengan jumlah
dataset sebanyak 3.000 tweet. Pembobotan kata dengan
menggunakan TF-IDF untuk melakukan klasifikasi sentimen
ke dalam dua kelas positif dan negatif. Hasil dari penelitian
ini adalah klasifikasi sentimen terhadap kenaikan harga
BBM. Akurasi tertinggi didapat 83.33% pada data opini
menggunakan perbandingan 90:10 dan K=3.