Komparasi Tingkat Akurasi Sentimen Algoritma K-Nearest Neighbor Dan Naïve Bayes Pemilihan Gubernur Jawa Tengah 2024 di Sosial Media X

Bilah Samping Artikel

PDF
Diterbitkan: Jun 30, 2025
DOI: https://doi.org/10.62527/jitsi.6.2.332
Kata Kunci:
Komparasi, Akurasi Sentimen, Algoritma K-Nearest Neighbor, Naïve Bayes, Sosial Media X

Isi Artikel Utama

Fajar Ariyanto
Universitas Stikubank Semarang
Saefurrohman
Universitas Stikubank Semarang

Abstrak

Studi ini menyoroti pentingnya memilih algoritma yang tepat untuk analisis data teks dan memberikan rekomendasi untuk eksplorasi model machine learning dan deep learning lainnya di masa depan guna meningkatkan akurasi analisis sentimen. Penelitian ini membandingkan tingkat akurasi algoritma K-Nearest Neighbor (KNN) dan Naïve Bayes dalam analisis sentimen pada pemilihan gubernur Jawa Tengah 2024 menggunakan data dari platform media sosial X (sebelumnya Twitter). Data terdiri dari 1.337 postingan yang diklasifikasikan sebagai sentimen positif atau negatif. Crawling data dilakukan menggunakan RapidMiner, dan analisis dilakukan melalui Python di Google Colab. Hasil penelitian menunjukkan bahwa algoritma KNN mencapai akurasi tertinggi sebesar 81%, sedangkan Naïve Bayes memiliki akurasi maksimal 79%. Algoritma KNN unggul dalam menangani data teks karena perhitungan dependen antar atributnya, sedangkan Naïve Bayes yang menggunakan perhitungan independen memiliki performa yang sedikit lebih rendah. Penelitian ini memberikan wawasan tentang reaksi sentimen masyarakat terhadap calon gubernur Jawa Tengah, di mana pasangan Andhika-Hendi menerima lebih banyak sentimen positif dibandingkan Lutfi-Yasin

Rincian Artikel

##submission.howToCite##
Ariyanto, F., & Saefurrohman. (2025). Komparasi Tingkat Akurasi Sentimen Algoritma K-Nearest Neighbor Dan Naïve Bayes Pemilihan Gubernur Jawa Tengah 2024 di Sosial Media X. JITSI : Jurnal Ilmiah Teknologi Sistem Informasi, 6(2), 112 -119. https://doi.org/10.62527/jitsi.6.2.332
Terbitan
Vol 6 No 2 (2025)
Bagian
Articles
##submission.license.cc.by-sa4.footer##

Referensi

Baharuddin, T., Qodir, Z., Jubba, H., & Nurmandi, A. (2022). Prediction of Indonesian presidential candidates in 2024 using sentiment analysis and text search on Twitter. International Journal of Communication and Society, 4(2), 204–213. https://doi.org/10.31763/ijcs.v4i2.512

Hananto, A. L., Nardilasari, A. P., Fauzi, A., Hananto, A., & Priyatna, B. (2023). Best Algorithm in Sentiment Analysis of Presidential Election in Indonesia on Twitter. International Journal of Intelligent Systems and Applications in Engineering, 11(6), 473–481.

Haviluddin, Puspitasari, N., Burhandeny, A. E., Nurulita, A. D. A., & Trahutomo, D. (2022). Naïve Bayes and K-Nearest Neighbor Algorithms Performance Comparison in Diabetes Mellitus Early Diagnosis. International Journal of Online and Biomedical Engineering, 18(15), 202–215. https://doi.org/10.3991/ijoe.v18i15.34143

Hidra Amnur, A. K. Vadreas, and M. Ridwan, “Aplikasi Pendeteksi Kematangan Tanaman Menggunakan Metode Transformasi Ruang Warna HSI (Hue, Saturation, Intensity) dan K-NN (K- Nearest Neighbor)”, jitsi, vol. 5, no. 4, pp. 161 -167, Dec. 2024.

Hozairi;, Anwari;, & Alim, S. (2021). Implementasi Orange Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Dengan Model K-Nearest Neighbor, Decision Tree Serta Naive BayeS. Network Engineering Research Operation, 6(2), 133–144. https://doi.org/10.21107/NERO.V6I2.237

Ilić, M., Srdjević, Z., & Srdjević, B. (2022). Water quality prediction based on Naïve Bayes algorithm. Water Science and Technology, 85(4), 1027–1039. https://doi.org/10.2166/wst.2022.006

Novianti, N., Zarlis, M., & Sihombing, P. (2022, April). Penerapan Algoritma Adaboost Untuk Peningkatan Kinerja Klasifikasi Data Mining Pada Imbalance Dataset Diabetes | Novianti | JURNAL MEDIA INFORMATIKA BUDIDARMA.

Nuqoba, B., & Djunaidy, A. (2014). Algoritma Prediksi Outlier Menggunakan Border Solving Set. Jurnal Informatika Mulawarman, 9(3), 10.

Rosso, G. A. (2019). Milton. William Blake in Context, (September), 184–191. https://doi.org/10.1017/9781316534946.021

Said, F., & Manik, L. P. (2022). Aspect-Based Sentiment Analysis on Indonesian Presidential Election Using Deep Learning. Paradigma - Jurnal Komputer Dan Informatika, 24(2), 160–167. https://doi.org/10.31294/paradigma.v24i2.1415

Saputra, N., Nurbagja, K., & Turiyan, T. (2022). Sentiment Analysis of Presidential Candidates Anies Baswedan and Ganjar Pranowo Using Naïve Bayes Method. Jurnal Sisfotek Global, 12(2), 114. https://doi.org/10.38101/sisfotek.v12i2.552

Syarifuddinn, M. (2020). Analisis Sentimen Opini Publik Mengenai Covid-19 Pada Twitter Menggunakan Metode Naïve Bayes Dan KNN. INTI Nusa Mandiri, 15(1), 23–28. https://doi.org/10.33480/INTI.V15I1.1347

Tempola, F., Muhammad, M., & Khairan, A. (2018, October). Perbandingan Klasifikasi Antara KNN dan Naive Bayes pada Penentuan Status Gunung Berapi dengan K-Fold Cross Validation | Tempola | Jurnal Teknologi Informasi dan Ilmu Komputer.