Analisis Sentimen Tanggapan Publik Mengenai E-Tilang Melalui Twitter Menggunakan Algoritma K-Nearest Neighbor

Abstract

Suatu kota harus memiliki sistem transportasi yang baik. Sistem tilang elektronik pemerintah untuk mengawasi lalu lintas disebut e-tilang. Banyak pelanggaran lalu lintas yang terjadi di jalan raya yang cenderung menyebabkan kecelakaan dan menambah kemacetan. Beberapa faktor penyebab pelanggaran lalu lintas termasuk ketidakpatuhan individu terhadap peraturan lalu lintas, misalnya larangan berhenti dan parkir di mana pun. Tujuan dari penelitian adalah untuk mengidentifikasi bagaimana pandangan masyarakat Indonesia tentang tilang elektronik dalam peneletian ini digambarkan melalui analisis sentimen tentang tilang elektronik dan mengelompokkan berbagai jenis komentar. Twitter adalah platform media sosial yang ideal untuk menyampaikan opini karena mudah digunakan, topik terkini, dan memungkinkan komentar. Setelah data dikumpulkan dari Twitter, preprocessing dilakukan untuk membersihkan data, tokenizing, case normalization, stopword, dan stemming. Selain itu, seleksi mengurangi noise dari label yang tidak relavan. Dataset terdiri dari 1.762 baris record tweets diklasifikasi menghasilkan dua kelas data kelas data positif dan kelas data negatif dengan total 1.342 data. Dalam studi ini, algoritma mesin pengklasifikasi K-Nearest Neighbor digunakan data yang sudah ada dari kelas data ini digunakan sebagai data pelatihan untuk mesin pengklasifikasi. Hasil evaluasi menunjukkan akurasi rata-rata 75,41%.