ANALISIS SENTIMEN TWITTER MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN PENDEKATAN LEXICON

Analisis sentimen dapat dikatakan sebagai opinion mining. Penelitian Analisis sentimen dapat di lakukan pada sosial media Twitter. Namun dari sejumlah penelitian analisis sentimen Twitter bahasa Indonesia tidak dilakukan evaluasi kalimat negasi. Pada penelitian ini akan dilakukan klasifikasi orientasi sentimen dalam 3 jenis yaitu positif, negatif dan netral menggunakan kombinasi K-Nearest Neighbor (k-NN) dan pendekatan lexicon. Topik penelitian ini adalah menentukan analisis sentimen dari kasus politik, khususnya sentimen publik terhadap tokoh politik pada kandidat calon presiden Republik Indonesia 2014. Algoritma k-NN pada penelitian ini akan bertindak sebagai algoritma yang akan melakukan klasifikasi orientasi sentimen sementara. Sedangkan pendekatan lexicon untuk dapat melakukan identifikasi kalimat netral pada tahapan preprocessing query juga melakukan evalusi kalimat negasi. Pengujian sistem analisis sentimen Twitter ini dilakukan dengan model confusion matrix pada data uji dan 10-fold Cross Validation pada evaluasi data latih untuk mendapatkan data latih terbaik. Pengujian juga dilakukan pada penentuan nilai k pada algortima k-NN. Kesimpulkan dari pengujian kombinasi k-NN dan lexicon dapat meningkatkan akurasi orientasi sentimen. Nilai k terbaik pada algortima k-NN adalah k=5 dan k=15. Sedangkan Metode yang terbaik adalah kombinasi B yang menggunakan pendekatan lexicon dan algoritma k-NN dengan akurasi 82 %. Kata Kunci: Analisis Sentimen, Kalimat Negasi, K-Nearest Neighbor, Lexicon, Algoritma, Confusion Matrix, Cross Validatio