Analisis Sentimen pada Review Objek Wisata Dunia Fantasi Menggunakan Algoritma K-nearest Neighbor (K-NN)

Abstraksi

Review mengenai tempat wisata memudahkan pengunjung lain untuk mengetahui keadaan  tempat tersebut dan menjadi masukan untuk pengunjung lain. Analisis sentimen diperlukan  untuk mengambil keputusan yang terbaik. Penelitian ini bertujuan untuk mengetahui akurasi  analisis sentimen dengan menggunakan algoritma K-Nearest Neighbor yang mana review  menggunakan teks berbahasa Indonesia. Kelebihan k-NN memiliki prinsip sederhana, bekerja  berdasarkan jarak terpendek dari sampel uji dan sampel latih. Pada penelitian ini preprocessing  yang digunakan yaitu tokenize, filter stopword dan bi-gram. Data yang digunakan terdiri dari 50  review positif dan 50 review negative. Eksperimen telah dilakukan dengan mengubah nilai k dan  didapat akurasi yang terbesar dengan nilai k=7 dengan akurasi 77.01,  precission 92.38, recall  61.56 dan nilai AUC 0.894.    

Kata Kunci: analisis sentiment; review objek wisata; k-NN

URI
https://ejournal.bsi.ac.id/ejurnal/index.php/evolusi/article/view/7371/3972

Bidang ilmu
Sistem Informasi

References

Bramer, M. (2007). Principles of Data  Mining. Springer.   

Budianto, A., Maryono, D., & Ariyuana, R.  (2018). Perbandingan K-Nearest  Neighbor (KNN) Dan Support Vector  Machine (SVM) Dalam Pengenalan  Karakter Plat Kendaraan Bermotor.  Jurnal Ilmiah Pendidikan Teknik  Kejuruan (JIPTEK), 11(1), 42–52.  https://doi.org/10.20961/jiptek.v11i1.2  1088  

Ernawati, S., & Wati, R. (2018). Penerapan  Algoritma K-Nearest Neighbors Pada  Analisis Sentimen Review Agen  Travel.   Jurnal Khatulistiwa   Informatika, VI(1), 64–69.   

Fitrianti, R. P., Kurniawati, A., & Agusten,  D. (2019). Terhadap Analisis Sentimen  Review Restoran Dengan Teks Bahasa  Indonesia. Seminar Nasional Aplikasi  Teknologi Informasi (SNATi) 2019,  27–32.   

Han, J., & Kamber, M. (2006). Data Mining  Concepts dan Technique. Elsevier.  

Ipmawati, J., Kusrini, & Taufiq Luthfi, E.  (2017). Komparasi Teknik Klasifikasi Teks Mining Pada Analisis Sentimen.  Indonesian Journal on Networking and  Security, 6(1), 28–36.  

Irfan, M. R., Fauzi, M. A., & Tibyani.  (2018). Analisis Sentimen Kurikulum  2013 pada Twitter menggunakan  Ensemble Feature dan Metode KNearest  Neighbor.   Jurnal   Pengembangan Teknologi Informasi  Dan Ilmu Komputer, 2(9), 3006–3014.  http://j-ptiik.ub.ac.id   

M.Weiss, S., Indurkhya, N., & Zhang, T.  (2010). Texts in Computer Science -  Fundamentals of Predictive Text  Mining. Springer.   

Nugraha, K. A., Hapsari, W., & Haryono,  N. A. (2014). Analisis Tekstur Pada  Citra Motif Batik Untuk Klasifikasi KNN.  Informatika,  10(2),  135–140. 

Nurjanah, W. E., Perdana, R. S., & Fauzi,  M. A. (2017). Analisis Sentimen  Terhadap Tayangan Televisi  Berdasarkan Opini Masyarakat pada  Media Sosial Twitter menggunakan  Metode K-Nearest Neighbor dan  Pembobotan Jumlah Retweet. Jurnal  Pengembangan Teknologi Informasi  Dan Ilmu Komputer (J-PTIIK)  Universitas Brawijaya, 1(12), 1750–  1757.  https://doi.org/10.1074/jbc.M209498200    

Pravina, A. M., Cholissodin, I., & Adikara,  P. P. (2019). Analisis Sentimen  Tentang Opini Maskapai Penerbangan  pada Dokumen Twitter Menggunakan  Algoritme Support Vector Machine (  SVM ). Jurnal Pengembangan  Teknologi Informasi Dan Ilmu  Komputer   (J-PTIIK) Universitas   Brawijaya, 3(3), 2789–2797.   

Romadloni, N. T., Santoso, I., &  Budilaksono,   S.   (2019).   PERBANDINGAN METODE NAIVE  BAYES , KNN DAN DECISION  TREE TERHADAP ANALISIS  SENTIMEN TRANSPORTASI KRL.  Jurnal IKRA-ITH Informatika, 3(2), 1–  9.   

Rustiana, D., & Rahayu, N. (2017). Analisis  Sentimen Pasar Otomotif Mobil: Tweet  Twitter Menggunakan Naïve Bayes.      Simetris: Jurnal Teknik Mesin, Elektro  Dan Ilmu Komputer, 8(1), 113–120.  https://doi.org/10.24176/simet.v8i1.841   

Salam, A., Zeniarja, J., Septiyan, R.,  Khasanah, U., Studi, P., Informatika,  T., Komputer, F. I., Nuswantoro, U.  D., & Analysis, S. (2018). ANALISIS  SENTIMEN DATA KOMENTAR  SOSIAL MEDIA FACEBOOK  DENGAN K-NEAREST NEIGHBOR  ( STUDI KASUS PADA AKUN  JASA. SINTAK 2018, 480–486.  

Zulfa, I., & Winarko, E. (2017). Sentimen  Analisis Tweet Berbahasa Indonesia  Dengan Deep Belief Network. IJCCS  (Indonesian Journal of Computing and  Cybernetics Systems), 11(2), 187.  https://doi.org/10.22146/ijccs.24716