Sistem klasifikasi opini pengguna maskapai penerbangan di Indonesia pada jejaring sosial Twitter menggunakan metode K-Nearest Neighbor

INDONESIA:

Pada saat ini media sosial telah menjadi alat komunikasi yang sangat populer di kalangan pengguna internet di Indonesia. Salah satu media sosial tersebut yakni twitter dengan jumlah opini yang besar dan didalamnya terdapat informasi yang sangat berharga sebagai alat penentu kebijakan dan ini bisa dilakukan dengan menggunakan text mining. Sebagai contoh, bagaimana masyarakat bereaksi terhadap suatu pelayanan maskapai penerbangan di Indonesia atas segala pengalaman atau kejadian yang saat itu menjadi isu hangat. Data Sampling dalam sistem ini menggunakan 4.342 opini tweet yang diproses dengan algoritma WIDF dalam pembobotan dan metode K-Nearest Neighbor dalam tahap klasifikasi opini. Hasil pengujian diperoleh dengan range 3 pada algoritma Cosine Similarity menjadi nilai akurasi yang tertinggi dengan nilai akurasi sebesar 86.674% pada opini positif dan 93.345% pada opini negatif.

ENGLISH:

At this time social media has become a very popular means of communication among Internet users in Indonesia. One of the twitter social media with a large number of opinions and information contained therein is very valuable as a tool of policy makers and this can be done using text mining. For example, how people react to an airline services in Indonesia on the experiences or events when it became a hot issue. Data Sampling in this system uses 4,342 tweets opinion which is processed by the algorithm WIDF in weighting and K-Nearest Neighbor method in the stage classification opinions. The test results obtained by the range 3 on Cosine Similarity algorithm becomes the highest accuracy value of 86 674% accuracy on a positive opinion and 93 345% on the negative opinion.