PENERAPAN ALGORITMA K-NEAREST NEIGHBOUR (K-NN) SEBAGAI KLASIFIKASI TWEETS PADA TWITTER

  • Cian Ramadhona Hassolthine Universitas Siber Asia
  • Riad Sahara Universitas Siber Asia
  • Fesa Asy Syifa Nurul Haq Universitas Siber Asia
  • Syahid Abdullah Universitas Siber Asia
Abstract viewed = 66 times
PDF (Bahasa Indonesia) downloaded = 37 times

Abstract

Seiring berkembangnya teknologi yang begitu pesat dalam melakukan pengumpulan data mengakibatkan sebuah tumpukan data yg sangat banyak. Melalui banyaknya data tersebut,sehingga menjadi suatu kebutuhan untuk memanfaatkan data tersebut. Pemanfaatan data tentunya bertujuan agar menerima berita yg krusial dari pola-pola data yang terbentuk. Data yang bisa digunakan dapat diperoleh dari media sosial, salah satunya twitter. Twitter merupakan media sosial yang tercatat kurang lebih 50 juta orang pengguna di Indonesia. Dengan banyaknya pengguna di Indonesia, maka dapat dimanfaatkan dalam penggunaan data yang banyak. Untuk mendapatkan data tersebut yaitu dengan salah satu algoritma K-Nearest Neighbor. Algoritma KNN merupakan klasifikasi terhadap sekumpulan data berdasarkan pembelajaran data yang sudah terklasifikasikan sebelumya. Hasil klasifikasi dari Algoritma KK yaitu data yang sudah diolah masuk ke dalam kelas B karena dari tiga tetangga terdekat, ada dua yang masuk kelas B, sementara hanya satu yang masuk kelas A. Akurasi yang dihasilkan oleh Algoritma KNN juga cukup baik yaitu di atas 80%. Model ini memberikan sensitivity yang lebih baik dalam proses klasifikasi data.

Downloads

Download data is not yet available.

References

Amrizal, V. (2018). Penerapan Metode Term Frequency Inverse Document Frequency (Tf-Idf) Dan Cosine Similarity Pada Sistem Temu Kembali Informasi Untuk Mengetahui Syarah Hadits Berbasis Web (Studi Kasus: Hadits Shahih Bukhari-Muslim). Jurnal Teknik InformatikA, 11(2), 149–164. https://doi.org/10.15408/jti.v11i2.8623
Ghani Muttaqin, A., Auliasari, K., & Santi Wahyuni, F. (2020). Penerapan Metode K-Nearest Neighbor Untuk Prediksi Penjualan Berbasis Web Pada Pt.Wika Industry Energy. In Jurnal Mahasiswa Teknik Informatika (Vol. 4, Issue 2).
Hadi, H. P., & Sukamto, T. S. (2020). Klasifikasi Jenis Laporan Masyarakat Dengan K-Nearest Neighbor Algorithm. JOINS (Journal of Information System), 5(1), 77–85. https://doi.org/10.33633/joins.v5i1.3355
Handayani, R. D., Fauzi Anggi, A., Wahyu, Y., & Purtra, S. (2022). Klasifikasi Emosi Pada Sosial Media Menggunakan Support Vector Mahine dan N-Gram. Jurnal Riset Teknologi Informasi Dan Komputer (JURISTIK), 2(2), 7–10. https://doi.org/10.53863/juristik.v2i2.590
Hardiyanto, B., & Rozi, F. (n.d.). Prediksi Penjualan Sepatu Menggunakan Metode K-Nearest Neighbor.
Ma’rifah, H., Prasetya Wibawa, A., & Akbar, M. I. (2020). Sains, Aplikasi, Komputasi dan Teknologi Informasi Klasifikasi artikel ilmiah dengan berbagai skenario preprocessing. 2(2), 70.
Muhammad Naja Maskuri, Harliana, Kadek Sukerti, R. M. H. B. (2022). Penerapan Algoritma K-Nearest Neighbor (KNN) untuk Memprediksi Penyakit Stroke. Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 4(1), 130–140.
Qaiser, S., Utara, U., Sintok, M., Kedah, M., Ramsha, A., & Analytics, T. (2018). Text Mining: Use of TF-IDF to Examine the Relevance of Words to Documents Text Mining. In International Journal of Computer Applications (Vol. 181, Issue 1).
Rizkya Rani, S., Retno Andani, S., Suhendro, D., Studi Sistem Informasi, P., & Tunas Bangsa Pematangsiantar Jln Jendral Sudirman Blok No, S. A. (2019). Nearest Neighbor untuk Prediksi Kelulusan Siswa pada SMK (Sekar Rizkya Rani) | 670.
Salahudin, S., Sulistyaningsih, T., & Lutfi, M. (2020). Analysis of Government Official Twitters during Covid-19 Crisis in Indonesia. https://www.researchgate.net/publication/342145462
Setiyorini, T., Rizky, ;, & Asmono, T. (n.d.). Penerapan Metode K-Nearest Neighbor Dan Information Gain Pada Klasifikasi Kinerja Siswa. http://nusamandiri.ac.id
Suharno, C. F., Fauzi, M. A., & Perdana, R. S. (2017). Klasifikasi Teks Bahasa Indonesia pada Dokumen Pengaduan Sambat Online menggunakan Metode K-Nearest Neighbors (K-NN) dan Chi-Square (Vol. 1, Issue 10). http://j-ptiik.ub.ac.id
Triyanto, S., Sunyoto, A., & Arief, M. R. (2021). Analisis Klasifikasi Bencana Banjir Berdasarkan Curah Hujan Menggunakan Algoritma Naïve Bayes. JOISIE Journal Of Information System And Informatics Engineering, 5(Desember), 109–117. https://scikit-learn.org/,
Wie, J. V., & Siddik, M. (2022). Penerapan Metode Naïve Bayes Dalam Mengklasifikasi Tingkat Obesitas Pada Pria. JOISIE Journal Of Information System And Informatics Engineering, 6(Desember), 69–77. https://www.kaggle.com/,
Yusuf, M., Rangkuti, R., Alfansyuri, V., Gunawan, W., Informatika, T., Komputer, I., & Mercu Buana, U. (2021). Penerapan Algoritma K-Nearest Neighbor (Knn) Dalam Memprediksi Dan Menghitung Tingkat Akurasi Data Cuaca Di Indonesia. 2(2).
Published
2023-12-31
How to Cite
HASSOLTHINE, Cian Ramadhona et al. PENERAPAN ALGORITMA K-NEAREST NEIGHBOUR (K-NN) SEBAGAI KLASIFIKASI TWEETS PADA TWITTER. JOISIE (Journal Of Information Systems And Informatics Engineering), [S.l.], v. 7, n. 2, p. 358-363, dec. 2023. ISSN 2527-3116. Available at: <https://ejournal.pelitaindonesia.ac.id/ojs32/index.php/JOISIE/article/view/3975>. Date accessed: 03 mar. 2024. doi: https://doi.org/10.35145/joisie.v7i2.3975.
Section
Articles