OPTIMASI METODE K-NEAREST NEIGHBOR BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK ANALISIS SENTIMEN PEMILIHAN PRESIDEN INDONESIA TAHUN 2024-2029

Abstract

Indonesia merupakan negara ke 5 pengguna Twitter terbanyak didunia dengan jumlah 19,5 juta. Twitter banyak digunakan oleh masyarakat sebagai wadah untuk menuangkan pendapatnya akan suatu peristiwa yang sedang terjadi atau biasanya peristiwa yang sedang viral dengan menggunakan hastag. Belakangan ini isu tentang pemilihan presiden Indonesia yang baru pada tahun 2024-2029 merupakan salah satu topik yang sedang viral, beragam cuitan muncul yang tentunya masih teracak atau belum dikategorikan. Agar pendapat tersebut bisa bermanfaat dan berguna, diperlukan beberapa proses sehingga didapatlah informasi yang penting dan berguna dengan analisis sentimen. Pada penelitian ini melakukan optimasi pada metode K-Nearest Neighbor (KNN) dengan menggunakan algoritma pengoptimasi Particle Swarm Optimization (PSO) untuk analisis sentimen pemilihan presiden Indonesia tahun 2024-2029, dikarenakan metode KNN relatif menghasilkan akurasi yang lebih rendah dibandingkan dengan metode lain, hal ini bertujuan untuk meningkatkan hasil akurasi yang didapatkan. Hasil akurasi menggunakan metode KNN diuji dengan K=1 sampai dengan K=10, lalu dibandingkan dengan K terbaik dari hasil metode KNN yang sudah dioptimasi menggunakan algoritma PSO guna mendapatkan model terbaik. Dari hasil pengujian yang telah dilakukan didapatkan model terbaik yaitu pada pengujian metode KNN yang dioptimasi menggunakan algoritma PSO pada rasio dataset 70:30 dengan akurasi 77,3% pada K=7 menggunakan partikel sebanyak 10 dan iterasi 20.