ANALISIS SENTIMEN MASYARAKAT MENGENAI PELAKSANAAN PEMBELAJARAN JARAK JAUH DI MASA PANDEMI COVID-19 MENGGUNAKAN K-NEAREST NEIGHBOR (KNN)

Kebijakan pembelajaran jarak jauh dimasa pandemi Covid-19 di Indonesia menuai banyak komentar di kalangan masyarakat Indonesia. Banyaknya data tweet terkait pembelajaran jarak jauh dimasa pandemi Covid-19 dapat dimanfaatkan untuk mengetahui persebaran sentimen masyarakat Indonesia. Penelitian ini melakukan analisis sentimen terhadap pembelajaran jarak jauh di masa pandemi Covid-19 dengan menggunakan algoritma K-Nearest Neighbor (KNN) pada data opini masyarakat tentang pembelajaran jarak jauh dengan kata kunci "sekolah online" pada media sosial Twitter. Data yang didapat dari hasil crawling berjumlah 200.475 data dengan melalui 5 tahapan yaitu 1) Crawling, 2) Data Processing (Case folding, Cleaning, Tokenizing, Filtering, Normalisasi, stemming), 3) Klasifikasi dengan menggunakan lexicon based untuk menenntukan kelas sentimen, 4) Hasil Sentimen 5) Perhitungan Akurasi Data. Hasilnya menunjukkan bahwa kelas sentimen negatif lebih banyak dibandingkan kelas sentimen positif. Pengujian dengan algoritma K-Nearest Neighbor (KNN) menggunakan measure cosine menunjukkan hasil akurasi yang lebih optimal dibandingkan dengan measure lainnya, dengan nilai akurasi sebesar 94,25%, precision 95,85%, recall 92,50,% dengan nilai K yang digunakan adalah 1. Oleh karena itu, penelitian ini dapat memberikan gambaran tentang opini masyarakat Indonesia terhadap pembelajaran jarak jauh di masa pandemi Covid-19 dan metode klasifikasi yang dapat digunakan untuk menganalisis sentimen pada data opini masyarakat.