Seminar Nasional Sains & Teknologi Informasi (SENSASI) ISBN: 978-602-52720-2-8 SENSASI 2019 Juli 2019 Hal: 251 – 258 Akbar Nugraha | http://prosiding.seminar-id.com/index.php/sensasi/issue/archive Page | 251 Prediksi Sentimen Pada Sosial Media Twitter Mengenai Produk Smartphone Menggunakan Algoritma K-NN Classification Akbar Nugraha, Yulison Herry Chrisnanto, Rezky Yuniarti * Jurusan Informatika, Univ. Jendral Achmad Yani, Jl. Terusan Jendral Sudirman Kota Cimahi, Indonesia Email: 1 akbnugrah4@gmail.com, 2* y.chrisnanto@gmail.com. Abstrak Twitter merupakan salah satu media sosial yang memungkinkan penggunanya untuk melakukan microblogging dan mem-publish status (tweet) dengan mudah. Salah satu aspek yang membantu perkembangan twitter adalah karna adanya pemasaran dan peningkatan produk, dalam sebuah laporan menyatakan ada sekitar 126 juta pengguna aktif setiap harinya. Sebagian dari tweet yang dibuat berisi sebuah opini mengenai produk ataupun sebuah iklan untuk pemasaran. Dengan jumlah data yang besar membuat kumpulan tweet dapat dimanfaatkan untuk melakukan analisis sentiment terhadap suatu produk untuk melihat respon dari konsumen. Penelitian ini menemukan hubungan kata kunci dan pola dari opini mengenai smartphone menggunakan metode K-nearest neighbor(K-NN). Beberapa penelitian terdahulu melakukan analisis sentiment dengan menggunakan metode Naïve Bayes classifier dengan hasil akurasi pada pemobotan tekstual sebanyak 68,52%, dan pada pembobotan non tekstual sebanyak 75,93% dari 11 kali pengujian. Penelitian ini akan membuat system untuk mengidentifikasi sentiment yang disampaikan masyarakat pada media sosial twitter mengenai produk smartphone. Luaran dari penelitian adalah system yang mampu mengklasifikasikan tweet, apakah tweet tersebut masuk kedalam opini negative, positif atau netral yang akan diimplementasikan dalam perangkat lunak. Kata Kunci: Twitter, Analisis Sentimen, Klasifikasi, K-Nearest Neighbor, Vector Space Model, Smartphone 1. PENDAHULUAN Media sosial merupakan sebuah media untuk bersosialisasi satu sama lain dan dilakukan secara online yang memungkinkan manusia untuk saling berinteraksi tanpa dibatasi ruang dan waktu. Kemudahan orang untuk menyampaikan pendapat kini dapat disampaikan lewat media sosial sehingga diterbitkan Undang-Undang Informasi dan Transaksi Elektronik (UU ITE) untuk membatasi publik untuk memberikan kritik. Twitter merupakan salah satu media sosial yang digunakan untuk menyampaikan pesan-pesan singkat yang berupa tweet yang tidak jarang membuat sesuatu menjadi lebih heboh dengan fitur Trending topic yang dimiliki oleh Twitter. Indonesia menduduki posisi ketiga sebagai Negara dengan pengguna Twitter terbanyak, hal ini terlihat dari jumlah pengguna twitter di Indonesia yang mencapai lima puluh juta pada pertengahan tahun 2015 [1]. Kata yang disampaikan dalam Twitter tidak disampaikan dalam bentuk yang terstruktur, sehingga menimbulkan kesulitan dalam mencerna informasi [2], dan kebiasaan masyarakat mengutarakan pendapatnya melalui Twitter, dapat menjadi acuan untuk mengetahui sentiment masyarakat terhadap berbagai topik seperti tokoh publik [3], tempat, situasi, dan lainnya. Sebagai contoh dalam pemilihan kepala daerah (Pilkada) sentimen ini dapat membantu dalam menilai keberhasilan kampanye dan banyaknya dukungan [4]. Perkembangan smartphone semakin beragam tidak hanya dari penampilan saja tetapi juga dari segi fitur dan spesifikasi. Pasar smartphone juga telah berkembang pesat, tidak hanya dalam penjualan konvensional tetapi telah merambah di toko online. Sehingga percakapan di media sosial tentunya akan mengandung sentimen berupa opini dari masyarakat mengenai pendapat mereka tentang produk Smartphone yang mereka gunakan ataupun yang akan mereka beli, baik itu berupa sentiment positif ataupun negatif [5] [6]. Karena tidak semua Smartphone memiliki kualitas yang baik untuk mendukung kebutuhan konsumen dan itu harus diperhatikan oleh konsumen. Sebelum konsumen memutuskan untuk membeli smartphone, mereka harus mengetahui detail spesifikasi dan fungsi smartphone, hal ini dapat dipelajari dari kesaksian dan pendapat atau hasil peninjauan pengguna ponsel cerdas. Saat ini konsumen yang menulis opini dan pengalaman online meningkat. Jika konsumen membaca seluruh ulasan itu bisa menghabiskan banyak waktu. Selain itu jika dibaca tanpa evaluasi yang benar akan menimbulkan kesalahan dalam menilai. Klasifikasi teks adalah bagian dari text mining [7], dan merupakan suatu metode untuk memprediksi kategori kelas dari suatu data. Beberapa metode klasifikasi cukup banyak digunakan untuk melakukan klasifikasi teks seperti metode Naïve Bayes Classifier, K-Nearest Neighbor [8], Support Vektor Machines, hingga Neural Network [9]. Penelitian ini menggunakan metode K-NN dimana hasil dari sampel uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada K-NN. Tujuan dari algoritma ini adalah mengklasifikasi objek baru berdasarkan attribute dan data latih. Klasifikasi menggunakan voting terbanyak diantara klasifikasi dari K obyek. Algoritma K-NN menggunakan klasifikasi ketetanggaan sebagai nilai prediksi dari sampel uji yang baru dan jarak dihitung berdasarkan jarak eucledian. Kelebihan dari algoritma ini adalah memiliki kemampuan yang dapat menangani data yang sangat besar dan rumit. Penelitian ini berkaitan dengan tahapan klasifikasi [10], dengan metode Double Propagation (DP) untuk kasus data tweet yang telah dilakukan [6], mampu mengubah parameter menjadi 7 parameter sentimen yaitu sangat positif, positif, agak positif, netral, agak negatif, negative, sangat negative. Dengan data sebanyak 128 tweet didapatkan hasil akurasi 23,43%. Kemampuan klasifikasi metode K-NN yang mampu menangani banyak data diharapkan dapat menaikan tingkat akurasi dan efektivitas dalam sistem prediksi sentiment twitter yang akan dibangun.