Implementasi Teks Mining dengan K-Nearest Neighbor pada Analisis Sentimen

Abstract

Twitter merupakan media sosial yang dapat menjadi penyebar informasi yang sangat cepat saat ini. Informasi yang beredar melalui media ini sangat bebas dan beragam seperti berita, pertanyaan, opini, komentar, kritik baik yang bersifat positif maupun negatif. Analisis sentimen merupakan salah satu cabang penelitian pada domain Text Mining atau penggalian data berupa teks. Manfaat analisis sentimen dalam dunia usaha antara lain untuk melakukan pemantauan terhadap sebuah produk. Analisis sentimen dapat digunakan sebagai alat bantu untuk melihat respon konsumen atau masyarakat terhadap suatu produk tertentu, sehingga dapat segera diambil langkah-langkah strategis berikutnya. Proses pada analisis sentimen diawali dengan preprocessing, dilanjutkan dengan pembobotan kata, kemudian pengkategorian yang terdiri dari penghitungan cosine similarity dan klasifikasi sentimen. Preprocessing terdiri dari beberapa tahap yaitu pembersihan dokumen, tokenizing, stopword removal, dan stemming. Metode pembobotan kata yang digunakan adalah Term Frequecny – Inverse Document Frequency (TF-IDF) dan menggunakan K-Nearest Neighbor (K-NN) sebagai metode klasifikasinya.Kata kunci: Analisis Sentimen, Text Mining,  K-Nearest Neighbor (K-NN)