Sistem Deteksi Persebaran Sentimen Masyarakat Terhadap Zonasi Sekolah Menggunakan K-Nearest Neighbor (Knn)

• Main Author: Affandy Fahrizain, -
• Format: Theses and Dissertations NonPeerReviewed
• Language: Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian; Indonesian
• Published: 2020
• Subjects: T58.5-58.64 Information technology; T58.6-58.62 Management information systems
• Online Access: http://repository.unair.ac.id/102855/3/1.%20COVER.pdf; http://repository.unair.ac.id/102855/1/2.%20ABSTRAK.pdf; http://repository.unair.ac.id/102855/2/3.%20DAFTAR%20ISI.pdf; http://repository.unair.ac.id/102855/4/4.%20BAB%20I%20PENDAHULUAN.pdf; http://repository.unair.ac.id/102855/5/5.%20BAB%20II%20TINJAUAN%20PUSTAKA.pdf; http://repository.unair.ac.id/102855/6/6.%20BAB%20III%20METODE%20PENELITIAN.pdf; http://repository.unair.ac.id/102855/9/7.%20BAB%20IV%20HASIL%20DAN%20PEMBAHASAN.pdf; http://repository.unair.ac.id/102855/7/8.%20BAB%20V%20KESIMPULAN%20DAN%20SARAN.pdf; http://repository.unair.ac.id/102855/8/9.%20DAFTAR%20PUSTAKA.pdf; http://repository.unair.ac.id/102855/11/10.%20LAMPIRAN.pdf; http://repository.unair.ac.id/102855/10/21-Embargo-dikompresi%20-%20affandy%20fahrizain.pdf; http://repository.unair.ac.id/102855/; http://lib.unair.ac.id
• Institution: Universitas Airlangga

Kebijakan zonasi sekolah menuai banyak pro dan kontra di kalangan masyarakat. Banyaknya data tweet terkait zonasi sekolah mampu membentuk sebuah insight yang dapat dimanfaatkan untuk mengetahui persebaran sentimen masyarakat serta mengetahui daerah mana saja yang paling terpengaruh oleh zonasi sekolah dan sebaliknya. Pada penelitian ini dilakukan pembangunan sistem persebaran klasifikasi tweet dengan algoritma K-Nearest Neighbor (KNN). Sistem yang dibangun telah mampu melakukan scraping dan klasifikasi data secara otomatis. Tahapan penelitian yang dilakukan ada 7, yaitu pengumpulan data, labelling data, preprocessing data, klasifikasi model KNN, evaluasi model KNN, perancangan sistem, dan implementasi sistem. Pengumpulan data dilakukan dengan melakukan pencarian menggunakan kata kunci Zonasi Sekolah. Sebelum proses klasifikasi dilakukan tahap preprocessing yang meliputi case folding, tokenizing, penghapusan stopwords, stemming, dan pembobotan term sehingga mengubah data tweet menjadi matriks TF-IDF. Data diklasifikasikan kedalam 3 kelas, yaitu positif, negatif, dan netral dengan menghasilkan akurasi terbaik sebesar 0,79 dengan nilai K sebesar 28.