Penelitian ini melakukan analisis sentimen di Twitter tentang kebijakan new normal untuk mengetahui nilai precision, recall, dan accuracy dari metode Weighted K-Nearest Neighbor (WKNN). New normal merupakan salah satu kebijakan yang diambil oleh pemerintah untuk menangani pandemi wabah Covid-19 yang ada di Indonesia. Munculnya pro dan kontra dari masyarakat mengenai kebijakan tersebut mengakibatkan banyaknya pengguna Twitter yang melakukan tweet untuk menyampaikan pendapat mereka terhadap New Normal. Banyaknya opini tweet menyebabkan sulitnya untuk melakukan klasifikasi kedalam opini positif dan negatif, sehingga diperlukan suatu sistem yang dapat melakukan analisis terhadap pendapat tersebut. Analisis sentimen dilakukan melalui beberapa tahapan seperti tahapan crawling, data filtering, manual labeling, text preprocessing, term weighting, serta klasifikasi. Penelitian ini menggunakan data tweet sebanyak 500 data dengan porsi kelas positif dan negatif sebesar 50:50. Pengujian menggunakan 5-Fold Cross Validation menghasilkan rata-rata nilai precision 70,56%, recall 74,63%, dan accuracy 71,24%. Rata-rata nilai akurasi tertinggi didapatkan dengan nilai k tetangga terdekat adalah k=55 sebesar 72,30%. Nilai k tetangga terdekat mulai meningkat pada saat nilai k lebih dari 5. Peningkatan dan penurunan akurasi setelah k=5 cenderung stabil.


Deskripsi Lain

This study conducted a sentiment analysis on Twitter about the new normal policy to determine the value of precision, recall and accuracy of the Weighted K-Nearest Neighbor (WKNN). New normal is one of the policies implemented by government to overcome the Covid-19 pandemic in Indonesia. The emergence of pros and cons from the public regarding the policy resulted in many twitter users tweeting to express their opinions on the new normal policy. The number of tweet makes it difficult to classify into positive or negative opinions, so a system is needed that can analyze these opinion. Sentiment analysis is carried out through several stages such as crawling, data filtering, manual labeling, text preprocessing, term weighting, and classification. This study uses 500 tweet data with a positive and negative class portion of 50:50. Testing using 5-Fold Cross Validation produces an avarage value of 70,56% precision, 74,63% recall, and 71,24% accuracy. The highest avarage accuracy is obtained when the k value of the nearest neighbor k=55 with a result of 72,30% accuracy. The value of k nearest neighbor increases when the value of k is more than 5. Increase and decrease in the value of accuracy tend to be stable after k=5.

• Analisis Pengendalian Pemasaran Melalui Metode Profitabilitas Guna Menekan Biaya Operasional Pada Perusahaan Jasa PT. Persada Duta Beliton di Surabaya
• Pengaruh Flow Control Terhadap Proses Produksi Pada Perusahaan Rokok Delapan Wijaya Pakis Malang
• Analisa Pengendalian Pemasaran Melalui Metode Profitabilitas Guna Menekan Biaya Operasional Pada Perusahaan Jasa PT. Persada Duta Beliton Di Surabaya
• Analisa Dampak Kinerja Keuangan Perusahaan Sebelum dan Sesudah Akuisisi Pada PT. Kalbe Farma, Tbk
• Kebijakan Akrual untuk meminimalkan pajak pada perusahaan go publik yang terdaftar dibursa efek jakarta