ANALISIS SENTIMEN RUMAH MAKAN MELALUI ULASAN GOOGLE MAPS MENGGUNAKAN METODE WEIGHTED K-NEAREST NEIGHBOR DENGAN SELEKSI FITUR INFORMATION GAIN ( STUDI KASUS : RUMAH MAKAN BEBEK RIZKY)

Analisis sentimen merupakan riset komputasi untuk mencari atau mengidentifikasi sikap, pendapat, emosi, evaluasi atau pemikiran dalam sesuatu bacaan. Analisis sentiment ialah proses text analytics memperoleh beragam data internet dan platform dari media sosial. UMKM (Usaha Mikro, Kecil, dan Menengah) ialah sektor usaha denagn potensial dan bertanggung jawab untuk meningkatkan kesejahteraan Masyarakat. K-Nearest Neighbor (KNN) Algoritma KNN bekerja mencari K titik data terdekat dari titik data yang baru, kemudian mengklasifikasi kelas atau nilai dari tetangga-tetangganya. Namun, KNN memiliki kelemahan karena sangat dipengaruhi oleh nilai K dan jarak yang menghasilkan akurasi yang kurang optimal. Sehingga perlu penambahan bobot. Algoritma Weighted K-Nearest Neighbours (WKNN) meningkatkan akurasi klasifikasi dengan menambah bobot ke setiap titik data tetangga berdasarkan jaraknya dari item yang dikategorikan, sehingga mengoptimalkan proses klasifikasi. Pembobotan Term Frequency-Inverse Document Frequency (TI-IDF) adalah metode yang digunakan mengonversi data teks ke data numerik dengan tujuan untuk memberikan bobot pada setiap kata atau fitur. Algoritma feature selection untuk memilih fitur penting di dokumen teks antara lain yaitu information gain. Information Gain adalah metode untuk mengukur perubahan nilai entropi suatu dataset disegmentasi dari fitur. Augmentasi data menghitung informasi relevan yang diberikan suatu fungsi tentang kelas atau label suatu data.