Penerapan Algoritma K-Nearest Neighbors Pada Analisis Sentimen Review Agen Travel
Sari
Penggunaan internet mampu memberikan pengaruh terhadap orang-orang melalui internet; kita bisa mendapat informasi, selain itu, kita juga bisa memberi pendapat positif dan negatif untuk review tertentu. Dengan menyediakan banyak data atau informasi di internet, kami menggunakannya untuk diproses jadi, itu akan memiliki pengetahuan baru. Berdasarkan hal itu, penulis membuat penelitian, seperti klasifikasi opini dengan menganalisis sentimen melalui pendekatan penambangan teks, dalam penelitian ini; dibutuhkan suatu metode yang mampu mengklasifikasikan pendapat secara akurat. Ruang lingkup penelitian ini adalah peninjauan agen perjalanan pengolahan data menggunakan algoritma K-Nearest Neighbor (K-NN) yang menggunakan 100 review positif dan 100 review negatif dengan enam kata yang berhubungan dengan sentimen yaitu: Fast, Good, Great, Buruk, Cencel, dan Tunggu. Ini memiliki bukti bahwa dengan menggunakan algoritma K-Nearest Neighbor (K-NN), ia mencapai hasil akurasi terbaik dan berdasarkan perhitungan yang dinyatakan dalam aplikasi. Titik akurasi peninjauan agen perjalanan menggunakan K-Nearest Neighbor (K-NN) algoritma telah mencapai 87,00% dan titik AUC adalah 0,916, titik AUC milik kelompok Klasifikasi Excellent sehingga dinyatakan bahwa K-Nearest Neighbor (K -NN) memiliki hasil yang akurat dalam menganalisis sentimen ulasan agen perjalanan.
Kata kunci: Analisis sentimen, K-Nearest Neighbor dan Travel Agent Review
Kata Kunci
Teks Lengkap:
PDF (English)Referensi
Feldman, R., & Sanger, J. (2007) . The Text Mining Handbook Advanced Approaches in Analyzing Unstructured Data. Cambridge University Press, New York.
Gorunescu, Florin (2011). Data Mining: Concepts, Models, and Techniques. Verlag Berlin Heidelberg: Springer.
Lidya, S. K., Sitompul, O. S., & Efendi, S. (2015). Sentiment Analysis Pada Teks Bahasa Indonesia Menggunakan Support Vector Machine (SVM) Dan K-Nearest Neighbor (K-NN). In Seminar Nasional Teknologi Informasi dan Komunikasi.
Liu, B. (2010). Sentiment Analysis and Subjectivity. Handbook of natural language processing, 2, 627-666
Lidya, K.,S, Opim, S., & Syahril, E. (2015). Sentiment Analysis Pada Text Bahasa Indonesia Menggunakan Support Vector Machine (SVM) dan K-Nearest Neighbor (K-NN). Seminar Nasional Teknologi Informasi dan Komunikasi 2015, Yogyakarta.
Nugroho, M. A., & Santoso, H. A. (2016). Klasifikasi Dokumen Komentar Pada Situs Youtube Menggunakan Algoritma K-Nearest Neighbor (K-NN). Jurnal Sistem Informasi.
Samuel, Y., Delima, R., & Rachmat, A. (2014). Implementasi Metode K-Nearest Neighbor dengan Decision Rule untuk Klasifikasi Subtopik Berita. Jurnal Informatika, 10(1), 1-15.
Sani, R. R., Zeniarza, J., & Luthfiarta, A. (2016). Pengembangan Aplikasi Penentuan Tema Tugas Akhir Berdasarkan Data Abstrak Menggunakan Algoritma K-Nearest Neighbor. Prosiding seminar Nasional Multi Disiplin Ilmu & Call For Papers, 103-111.
Wilson, T., Wiebe, J., & Hoffmann, P. (2005, October). Recognizing contextual polarity in phrase-level sentiment analysis. In Proceedings of the conference on human language technology and empirical methods in natural language processing (pp. 347-354). Association for Computational Linguistics
DOI: https://doi.org/10.31294/jki.v6i1.3802
DOI (PDF (English)): https://doi.org/10.31294/jki.v6i1.3802.g2626
##submission.copyrightStatement##
Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika
Email : jurnalkhatulistiwainformatika@bsi.ac.id
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License
Jurnal Khatulistiwa Informatika Indexed by:
