KLASIFIKASI SENTIMEN POSITIF DAN NEGATIF PADA APLIKASI PEDULILINDUNGI DENGAN ALGORITMA K-NEAREST NEIGHBOR

• JOSE ANDREAN HALOMOAN PARLINDUNGAN SITORUS

---

ABSTRAK

ABSTRAK

 

Jose Andrean Halomoan Parlindungan Sitorus (11190569), Klasifikasi Sentimen Positif dan Negatif dalam Aplikasi yang Pedulilindungi dengan Algoritma K-Nearest Neighbor

 

Pandemi virus corona (Covid-19) telah melanda seluruh dunia. Virus ini berasal dari kota Wuhan di China, di mana negara ini merupakan awal dari episentrum pandemi virus. Indonesia merupakan salah satu negara yang masuk dalam kategori negara tertinggi dengan kasus Covid-19 pada 27 September 2020 dengan jumlah kematian hingga 10.473 kasus. Mengingat Indonesia berada pada kasus tertinggi Covid-19, maka pemerintah Indonesia telah berupaya semaksimal mungkin agar dapat tercatat dalam rantai distribusi Covid-19, seperti penyuluhan berupa aplikasi mobile yang memiliki fitur pencegahan Covid-19. Pedulilindungi adalah aplikasi mobile yang dirancang oleh Kementerian Komunikasi dan Informatika (Kominfo) yang bertujuan untuk memutus rantai penyebaran Covid-19 di Indonesia. Riset ini berfokus pada analisis sentimen ulasan pengguna atas aplikasi Pedulilindungi di Google Play. Penelitian ini bertujuan sebagai bahan evaluasi bagi developer untuk meningkatkan aplikasi Pedulilindungi agar lebih baik lagi di kalangan peminat aplikasi ini. Data yang diperoleh akan menggunakan metode klasifikasi K-Nearest Neighbor (k-NN). Dalam penelitian ini menggunakan dua metode perhitungan yaitu dengan cara perhitungan manual dan perhitungan dengan Rapidminer. Berdasarkan pengujian kedua metode perhitungan tersebut, nilai tertinggi terdapat pada perhitungan menggunakan Rapidminer sebesar 100% dibandingkan dengan metode perhitungan manual yang hanya mencapai nilai 68%.

Kata kunci: Covid-19, Analisis Sentimen, Pedulilindungi, k-NN, Rapidminer

KATA KUNCI

Klasifikasi

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

 

[1]      Mela Arnani, “Kasus Covid-19 Indonesia 27 September 2020,” [Online]. Available: https://www.kompas.com/tren/read/2020/09/28/190000965/20-negara-dengan-kasus-aktif-corona-tertinggi-indonesia-nomor-14?page=all.

[2]      L.-H. Y. & C. L. Hsiu-Yu Wang, “What Affects Mobile Application Use? The Roles of Consumption Values,” Int. J. Mark. Stud., vol. 5, 2013, [Online]. Available: https://www.researchgate.net/publication/272805151_What_Affects_Mobile_Application_Use_The_Roles_of_Consumption_Values.

[3]      S. A. Shima Fanissa, Mochammad Ali Fauzi, “Analisis Sentimen Pariwisata di Kota Malang Menggunakan Metode Naive Bayes dan Seleksi Fitur Query Expansion Ranking,” J. Pengemb. Teknol. Inf. Dan Ilmu Komput., vol. 2, no. 8, pp. 2766–2770, 2018.

[4]      Daniel Pakpahan & Hilda Widyastuti, “Aplikasi Opinion Mining dengan Algoritma Naïve Bayes untuk M enilai Berita Online,” J. Integr., vol. 6, no. 1, pp. 1–10, 2015.

[5]      idcloudhost.com, “Cara Submit / Mendaftarkan Aplikasi Android di Google Play Store untuk Pemula,” 2020, [Online]. Available: https://idcloudhost.com/cara-submit-mendaftarkan-aplikasi-android-di-google-play-store-untuk-pemula/.

[6]      kiddy, “Pengertian Developer, Programmer, & Engineer serta sub job-nya (Frontend & Backend),” 2018, [Online]. Available: https://kiddyxyz.medium.com/pengertian-developer-programmer-engineer-serta-sub-job-nya-frontend-backend-e661e6c504bc.

[7]      pedulilindungi.id, “Apa itu PeduliLindungi?,” 2020, [Online]. Available: https://pedulilindungi.id/.

[8]      Muhammad Arhami dan Muhammad Nasir, Data Mining Algoritma dan Implementasi, 1st ed. Yogyakarta: ANDI (Anggota IKAPI), 2020.

[9]      Muhammad Arhami & Muhammad Nasir, Data Mining Algoritma dan Implementasi, 1st ed. Yogyakarta: ANDI (Anggota IKAPI), 2020.

[10]    Muiz Khalimy, “Rapidminer Studio Adalah?,” 2020, [Online]. Available: https://www.pengalaman-edukasi.com/2020/06/aplikasi-rapidminer-adalah.html.

[11]    webharvy.com, “Definisi Webharvy,” [Online]. Available: https://www.webharvy.com/index.html.

[12]    Akhmad Deviyanto & M. Didik R. Wahyudi (, “PENERAPAN ANALISIS SENTIMEN PADA PENGGUNA TWITTER MENGGUNAKAN METODE K-NEAREST NEIGHBOR,” JISka (Jurnal Inform. Sunan Kalijaga), vol. 3, no. 1, pp. 1–13, 2018, [Online]. Available: http://ejournal.uin-suka.ac.id/saintek/JISKA/article/view/1221.

[13]    A. A. S. & A. R. P. Nur Shafiya Nabilah Salam, “Analisis Sentimen Opini Mahasiswa Terhadap Saran Kuesioner Penilaian Kinerja Dosen dengan Menggunakan TF-IDF dan K-Nearest Neighbor,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 6, pp. 6148–6156, 2019, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/5649.

[14]    I. & A. W. W. Yane Marita Febrianti, “Analisis Sentimen Pada Ulasan ‘Lazada’ Berbahasa Indonesia Menggunakan K-Nearest Neighbor (K-NN) Dengan Perbaikan Kata Menggunakan Jaro Winkler Distance,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 10, pp. 3689–3698, 2018, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/2703/995.

[15]    Sugiyono, Metode Penelitian Kuantitatif. Bandung: Alfabeta, 2018.