Abstract:
Dalam era digital ini, penggunaan internet di Indonesia terus meningkat pesat, internet
menjadi penting dalam kehidupan sehari-hari, seperti sosialisasi, pendidikan, bisnis, dan
hiburan. Oleh karena itu, layanan internet cepat dan berkualitas menjadi sangat penting
bagi pengguna. Seiring pertumbuhan penggunaan internet, media sosial, termasuk
Twitter, menjadi sarana penting untuk memperoleh informasi. Di Indonesia, Twitter
memiliki lebih dari 24 juta pengguna. Melalui media sosial Twitter, pengguna dapat
mengungkapkan pendapatnya dalam bentuk positif maupun negatif. Dengan banyaknya
data tweet di Twitter, analisis sentimen menjadi penting untuk mengklasifikasikan
informasi ini. Sehingga opini yang tersebar di media sosial menghasilkan data yang
bermanfaat. Dalam penelitian ini menggunakan, metode K-Nearest Neighbors (KNN)
digunakan untuk mengklasifikasikan sentimen tweet menjadi positif atau negatif.
Penelitian ini menggunakan 1000 data tweet yang diperoleh melalui web scraping. Data
diberi label menggunakan metode Lexicon Based dengan kamus InSet. Setelah proses
text preprocessing, bobot nilai diterapkan menggunakan TF IDF. Dengan K=3, accuracy
sebesar 77%, precision sebesar 78%, dan recall sebesar 75% dan f1-score sebesar 76%.
Hasil akhir berupa dashboard yang memvisualisasikan hasil analisis sentimen dari data
ini.
