Analisis Sentimen Publik pada Twitter Tentang Kebijakan New Normal Menggunakan Metode Weighted K-Nearest Neighbor (WKNN)

Penelitian ini melakukan analisis sentimen di Twitter tentang kebijakan new normal untuk mengetahui nilai precision, recall, dan accuracy dari metode Weighted K-Nearest Neighbor (WKNN). New normal merupakan salah satu kebijakan yang diambil oleh pemerintah untuk menangani pandemi wabah Covid-19 yang ada di Indonesia. Munculnya pro dan kontra dari masyarakat mengenai kebijakan tersebut mengakibatkan banyaknya pengguna Twitter yang melakukan tweet untuk menyampaikan pendapat mereka terhadap New Normal. Banyaknya opini tweet menyebabkan sulitnya untuk melakukan klasifikasi kedalam opini positif dan negatif, sehingga diperlukan suatu sistem yang dapat melakukan analisis terhadap pendapat tersebut. Analisis sentimen dilakukan melalui beberapa tahapan seperti tahapan crawling, data filtering, manual labeling, text preprocessing, term weighting, serta klasifikasi. Penelitian ini menggunakan data tweet sebanyak 500 data dengan porsi kelas positif dan negatif sebesar 50:50. Pengujian menggunakan 5-Fold Cross Validation menghasilkan rata-rata nilai precision 70,56%, recall 74,63%, dan accuracy 71,24%. Rata-rata nilai akurasi tertinggi didapatkan dengan nilai k tetangga terdekat adalah k=55 sebesar 72,30%. Nilai k tetangga terdekat mulai meningkat pada saat nilai k lebih dari 5. Peningkatan dan penurunan akurasi setelah k=5 cenderung stabil.