Analisis Sentimen pada Acara Televisi Menggunakan Improved K-Nearest Neighbor

Abstract

Public sentiment can be used as one of the indicator by tv stations to determine the quality of their tv programme. On twitter, information extraction of this public sentiment can be done to determine their tv programme’s quality too. One of the method to do the information extraction on twitter is by using sentiment analysis method. In this research, sentiment analysis method is applied and it consists of 3 stages. The first stage is pre-processing which consists of cleansing, case folding, tokenizing, stopword removal, stemming, and redundancy filtering. The second stage is weighting process for every single word by using TF-IDF method. Then, the last stage is the sentiment classification process which is divided into 3 sentiment category specifically positive, negative and neutral, this process is done using the improved k-nearest neighbor method. The result obtained from this research generated the highest accuracy with k=10 as big as 90%.

Sentimen masyarakat dapat dijadikan sebagai salah satu indikator oleh stasiun televisi untuk menentukan kualitas suatu acara. Pada twitter dapat dilakukan proses penggalian informasi mengenai sentimen masyarakat terhadap kualitas acara yang ditayangkan. Salah satu teknik penggalian informasi pada twitter adalah analisis sentimen. Pada penelitian ini terdiri dari 3 tahapan proses analisis sentimen. Tahap pertama yaitu proses pre-pocessing yang terdiri dari cleansing, case folding, tokenizing, stopword removal, stemming, dan filter redudansi. Selanjutnya pada tahap kedua yaitu proses perhitungan bobot pada setiap kata menggunakan metode TF-IDF. Tahap terakhir yaitu proses klasifikasi sentimen menjadi 3 kategori yaitu sentimen positif, negatif, dan netral menggunakan metode improved k-nearest neighbor. Hasil yang diperoleh dari pengujian analisis sentimen berbahasa Indonesia dengan metode Improved K-Nearest Neighbor menghasilkan akurasi tertinggi dengan nilai k=10 sebesar 90%.