Klasifikasi Deep Sentiment Analysis E-Complaint Universitas Brawijaya Menggunakan Metode K-Nearest Neighbor

Universitas Brawijaya memiliki fasilitas E-Complaint sebagai tempat untuk menampung keluhan-keluhan dengan permasalahan yang berkaitan dengan Universitas Brawijaya. Banyaknya keluhan-keluhan yang diterima tidak sesuai dengan banyaknya SDM yang menanganinya untuk memprioritaskan keluhan mana yang akan ditindaklanjuti terlebih dahulu. Untuk itu perlu adanya sistem klasifikasi secara otomatis untuk mempermudah mengorganisir dokumen keluhan tersebut karena mengorganisir dokumen tersebut secara manual akan sangat sulit, atau tidak feasible mengingat keterbatasan waktu dari jumlah dokumen yang digunakan. Tujuan dari penelitian ini untuk melakukan klasifikasi E-Complaint Universitas Brawijaya dengan menggunakan metode K-Nearest Neighbor (KNN). Sentiment analysis memiliki beberapa proses yaitu preprocessing yang terdiri dari proses tokenizing, stopword removal, dan stemming. Pembobotan kata yang digunakan adalah Term Frequency – Inverse Document Frequency (TF-IDF). Perhitungan nilai kemiripan antara data latih dengan data uji menggunakan cosine similarity dan sebagai metode klasifikasinya menggunakan K-Nearest Neighbor (KNN). Metode KNN memiliki keterkaitan pada berapapun nilai k. Hasil implementasi dan pengujian sistem dipengaruhi oleh data latih, dan nilai k yang menghasilkan ketepatan hasil analisis sentimen. Nilai akurasi tertinggi mencapai rata-rata 81,17647% dengan nilai k=5 dengan pengujian perbandingan data latih dan data uji 90:10 dan menggunakan proses stemming berdasarkan ekstraksi fitur yang telah ditentukan