Electronic Resource
Optimasi Metode K-Nearest Neighbor Berbasis Particle Swarm Optimization Untuk Analisis Sentimen Pemilihan Presiden Indonesia Tahun 2024-2029
Indonesia merupakan negara ke 5 pengguna Twitter terbanyak didunia dengan
jumlah 19,5 juta (Mimboro, 2022). Twitter banyak digunakan oleh masyarakat
sebagai wadah untuk menuangkan pendapatnya akan suatu peristiwa yang sedang
terjadi atau biasanya peristiwa yang sedang viral dengan menggunakan hastag.
Belakangan ini isu tentang pemilihan presiden 2024-2029 merupakan salah satu
topik yang sedang viral, beragam cuitan muncul yang tentunya masih teracak atau
belum dikategorikan. Agar pendapat tersebut bisa bermanfaat dan berguna,
diperlukan beberapa proses sehingga didapatlah informasi yang penting dengan
analisis sentimen. Pada penelitian ini melakukan optimasi pada metode K-Nearest
Neighbor (KNN) menggunakan algoritma Particle Swarm Optimization (PSO)
untuk analisis sentimen pemilihan presiden Indonesia tahun 2024-2029, karena
metode KNN relatif menghasilkan akurasi yang lebih rendah dibandingkan dengan
metode lain, hal ini bertujuan untuk meningkatkan hasil akurasi yang didapatkan.
Hasil akurasi menggunakan metode KNN diuji dengan K=1 sampai dengan K=10,
lalu dibandingkan dengan K terbaik hasil metode KNN yang sudah dioptimasi
menggunakan algoritma PSO guna mendapatkan model terbaik. Dari hasil
pengujian yang telah dilakukan didapatkan model terbaik yaitu pada pengujian
metode KNN yang dioptimasi menggunakan algoritma PSO pada rasio dataset
70:30 dengan akurasi 77,3% pada K=7 menggunakan partikel sebanyak 10 dan
iterasi 20
| SB00774S | KKI 001.6 WIN o/s | Perpustakaan Unikama | Tersedia |
Tidak tersedia versi lain