ANALISIS TENDENSI PORTAL BERITA ONLINE TERHADAP VAKSINASI COVID-19 DI INDONESIA MENGGUNAKAN METODE K-NEAREST NEIGHBOR
Abstract
Di Indonesia per 27 Juli 2021 ada 4.170.155 kasus terkonfirmasi COVID-19. Salah satu cara untuk menekan peningkatan dan penyebaran kasus COVID-19 adalah dengan melakukan vaksinasi. Terkait dengan hal tersebut, ada beberapa berita tentang vaksin COVID-19 di portal berita. Pemberitaan yang diberikan memiliki tendensi positif, negatif maupun netral yang dapat memengaruhi pandangan masyarakat terhadap pemberian vaksin COVID-19. Dalam penelitian ini dilakukan klasifikasi terhadap tendensi pemberitaan portal berita terhadap vaksin COVID-19 menggunakan metode K-Nearest Neigbor (KNN). Pengujian dilakukan terhadap 1000 data dengan 5 kombinasi data training dan testing sebanyak 50 kali dengan nilai k berbeda. Pelabelan data dilakukan secara manual dan otomatis menggunakan sentistrenth_id. Hasil Pengujian pelabelan manual menunjukan tingkat accuracy tertinggi sebesar 78,50% pada k = 6. Untuk pelabelan otomatis diperoleh accuracy tertinggi sebesar 93% pada k = 6. Accuracy tertinggi diperoleh untuk penggunaan data training sebesar 80% dan data testing 20%. Tingkat accuracy yang belum optimal diakibatkan karena jumlah data pada setiap kelas tidak berimbang dan terdapat pelabelan pada data training maupun testing yang tidak akurat. Aplikasi dapat mengidentifikasi kata-kata dominan, baik dalam pemberitaan positif, negatif maupun netral untuk kelas yang teridentifikasi.
Kata Kunci: klasifikasi, COVID-19, K-Nearest Neigbor, portal berita, vaksinasi
Full Text:
PDF (Bahasa Indonesia)References
Edukasi, J., Gunawan, B., Pratiwi, H. S., & Pratama, E. E. (2018). Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes. 4(2), 113–118.
Farisa, F. C. (2021). Jalan Panjang Vaksin Covid-19 Sinovac di RI: Dari Uji Klinis hingga Dapat Izin Penggunaan. Www.Kompas.Com. https://nasional.kompas.com/read/2021/ 01/12/08364271/jalan-panjang-vaksin- covid-19-sinovac-di-ri-dari-uji-klinis- hingga-dapat?page=all
Haryanto, D. J., Muflikhah, L., & Fauzi, M. A. (2018). Analisis Sentimen Review Barang Berbahasa Indonesia Dengan Metode Support Vector Machine Dan Query Expansion. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 2(9), 2909–2916.
Informatikalogi. (2017). Algoritma K-Nearest Neighbor (K-NN).
Www.Informatikalogi.Com. https://informatikalogi.com/algoritma- k-nn-k-nearest-neighbor/
Liu, B. (2012). Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers.
Nugroho, E. (2011). Perancangan Sistem Deteksi Plagiarisme Dokumen Teks Dengan Menggunakan Algoritma Rabin- Karp. Universitas Brawijaya Malang.
Septian, J. A., Fahrudin, T. M., & Nugroho, A. (2018). Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF - IDF dan K - Nearest Neighbor. Journal Of Intelligent Systems And Computaion, 43–49.
Soepomo, P. (2014). Penerapan Text Mining Pada Sistem Klasifikasi Email Spam Menggunakan Naive Bayes. Penerapan Text Mining Pada Sistem Klasifikasi Email Spam Menggunakan Naive Bayes, 2(3), 73–83. https://doi.org/10.12928/jstie.v2i3.2877
Suteja, J. (2021). Pemerintah Rangkul Media Massa Tingkatkan Kesadaran Masyarakat soal Vaksin Covid-19. Www.Beritasatu.Com.
https://www.beritasatu.com/kesehatan/7 01843/pemerintah-rangkul-media- massa-tingkatkan-kesadaran- masyarakat-soal-vaksin-covid19
Yulian, E. (2018). Text Mining dengan K- Means Clustering pada Tema LGBT dalam Arsip Tweet Masyarakat Kota Bandung. Jurnal Matematika “MANTIK,” 4(1), 53–58. https://doi.org/10.15642/mantik.2018.4. 1.53-58
DOI: https://doi.org/10.24853/justit.13.2.125-137
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License