ANALISIS SENTIMEN MASYARAKAT TERHADAP THRIFTING PADA MEDIA SOSIAL TWITTER(X.COM) MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Dafa Akbar Firmansyah(1), Devi Damayanti(2),


(1) Universitas Pamulang
(2) Universitas Pamulang
Corresponding Author

Abstract


Saat ini fenomena thrifting bukanlah hal yang baru dan menjadi populer dikalangan anak muda. Fashion saat ini menjadi kebutuhan yang perkembangan nya sangat cepat dengan munculnya berbagai trend fashion baru dikalangan remaja dalam waktu singkat. Salah satu trend adalah fashion thrfit. Thrifting adalah aktivitas berbelanja barang bekas dengan tujuan menghemat biaya. Namun,baru baru ini muncul isu tentang larangan thrifting di Indonesia, yang memicu kontroversi publik. Larangan thrifting di Indonesia didasarkan pada Undang Undang Republik Indonesia Nomor 7 Tahun 2014 tentang Perdagangan. Pasal tersebut menyatakan bahwa “setiap importir wajib mengimpor barangnya ke keadaan baru”. Dari pemaparan tersebut ada pihak yang setuju ada pula yang tidak. Berdasarkan banyaknya opini masyarakat di Twitter tentang thrifting, kita bisa menggunakan analisis sentimen untuk meninjau opini mana yang lebih dominan di masyarakat. Pada penelitian kali ini penulis ingin melakukan analisis sentimen terhadap topik thrifting menggunakan metode k-nearest neighbor. Hasil klasifikasi menggunakan metode K-Nearest Neighbor mampu mengklasifikasikan respon dari pengguna twitter dan dapat digunakan pemerintah sebagai bahan evaluasi dan penilaian terhadap thrifting. Hasil pengujian metode K-Nearest Neighbor menggunakan confusion matrix dengan data sebanyak 252 mendapatkan tingkat akurasi sebesar 76% dengan nilai k=3.


References


A. Kurniawan and S. Waluyo, “Penerapan Algoritma Naive Bayes Dalam Analisis Sentimen Pemindahan Ibukota Pada Twitter Application Of Naive Bayes Algorithm In Capital Movement Sentiment Analysis On Twitter,” Semin. Nas. Mhs. Fak. Teknol. Inf. Jakarta-Indonesia, no. September, pp. 455–461, 2022.

S. Saepudin, M. Muslih, and Sihabudin, “Pemilihan Jurusan Dengan Metode K-Nearest Neighbor Untuk Calon Siswa Baru,” J. Rekayasa Teknol. Nusa Putra, vol. 5, no. 2, pp. 15–19, 2019.

A. Halimi, Kusrini, and M. R. Arief, “ANALISIS SENTIMEN MASYARAKAT INDONESIA TERHADAP PEMBELAJARAN ONLINE DARI DI MEDIA SOSIAL TWITTER MENGGUNAKAN LEXICON DAN K-NEAREST NEIGHBOR,” vol. 2, no. 1, 2021, [Online]. Available: https://ejournal.unuja.ac.id/index.php/core

N. Ferdyansyah and A. Solichin, “Analisis Sentimen Terhadap Pembelajaran Dosen Berdasarkan Data Kritik Saran Mahasiswa Menggunakan Metode Naive Bayes,” Bit (Fakultas Teknol. Inf. Univ. Budi Luhur), vol. 19, no. 2, pp. 104–111, 2022.

F. R. Irawan, A. Jazuli, and T. Khotimah, “ANALISIS SENTIMEN TERHADAP PENGGUNA GOJEK MENGGUNAKAN METODE K-NEARSET NEIGHBORS,” J. Inform. dan Komputer) Akreditasi KEMENRISTEKDIKTI, vol. 5, no. 1, 2022, doi: 10.33387/jiko.

W. Adzhan and D. Yusup, “Implementasi Metode K-Nearest Neighbor Dalam Menganalisis Sentimen Terhadap Penyedia Jasa Layanan Internet First Media,” J. Ilm. Wahana Pendidik., vol. 8, no. 16, pp. 594–602, 2022, doi: 10.5281/zenodo.7068128.

M. Furqan, Sriani, and S. M. Sari, “Analisis Sentimen Menggunakan K-Nearest Neighbor Terhadap New Normal Masa Covid-19 Di Indonesia Sentiment Analysis using K-Nearest Neighbor towards the New Normal During the Covid-19 Period in Indonesia,” 2022. [Online]. Available: www.tripadvisor.com

R. Kosasih and A. Alberto, “Analisis Sentimen Produk Permainan Menggunakan Metode TF-IDF Dan Algoritma K-Nearest Neighbor,” vol. 6, no. 1, 2021, doi: 10.30743/infotekjar.v6i1.3893.

Z. Ulfah Siregar, R. R. A. Siregar, and R. Arianto, “KLASIFIKASI SENTIMENT ANALYSIS PADA KOMENTAR PESERTA DIKLAT MENGGUNAKAN METODE K-NEAREST NEIGHBOR,” vol. 8, no. 1, 2019.

P. P. O. Mahawardana, I. A. P. F. Imawati, and I. W. Dika, “Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap ‘Figure Pemimpin’ Menggunakan Python,” J. Manaj. dan Teknol. Inf., vol. 12, no. 2, pp. 50–56, 2022, [Online]. Available: https://ojs.mahadewa.ac.id/index.php/jmti/article/view/2111

J. A. Septian, T. M. Fachrudin, and A. Nugroho, “Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor,” J. Intell. Syst. Comput., vol. 1, no. 1, pp. 43–49, 2019, doi: 10.52985/insyst.v1i1.36.


Full Text: PDF (Bahasa Indonesia)

Article Metrics

Abstract View : 201 times
PDF (Bahasa Indonesia) Download : 74 times

DOI: 10.58486/jsr.v8i1.322

Refbacks

  • There are currently no refbacks.