Articles

Found 2 Documents
Search

TWITTER SENTIMENT ANALYSIS ON 2013 CURRICULUM USING ENSEMBLE FEATURES AND K-NEAREST NEIGHBOR Irfan, M. Rizzo; Fauzi, M. Ali; Tibyani, Tibyani; Mentari, Nurul Dyah
International Journal of Electrical and Computer Engineering (IJECE) Vol 8, No 6: December 2018
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (563.823 KB) | DOI: 10.11591/ijece.v8i6.pp5409-5414

Abstract

2013 curriculum is a new curriculum in the Indonesian education system which has been enacted by the government to replace KTSP curriculum. The implementation of this curriculum in the last few years has sparked various opinions among students, teachers, and public in general, especially on social media twitter. In this study, a sentimental analysis on 2013 curriculum is conducted. Ensemble of several feature sets were used twitter specific features, textual features, Parts of Speech (POS) features, lexicon based features, and Bag of Words (BOW) features for the sentiment classification using K-Nearest Neighbor method. The experiment result showed that the the ensemble features have the best performance of sentiment classification compared to only using individual features. The best accuracy using ensemble features is 96% when k=5 is used.
Analisis Sentimen Kurikulum 2013 Pada Sosial Media Twitter Menggunakan Metode K-Nearest Neighbor dan Feature Selection Query Expansion Ranking Mentari, Nurul Dyah; Fauzi, Mochammad Ali; Muflikhah, Lailil
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 8 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (553.243 KB)

Abstract

Kurikulum 2013 sempat menjadi topik yang sering diperbincangkan oleh masyarakat yang salah satunya di Twitter. Twitter merupakan salah satu sosial media yang banyak digemari dan digunakan masyarakat untuk beropini atau menyampaikan pendapat tentang bahasan tertentu. Dengan demikian penelitian ini mencoba menganalisis tweets tentang Kurikulum 2013 dengan mengklasifikasikan apakah termasuk opini positif atau opini negatif. Proses klasifikasi yang dilakukan menggunakan metode K-Nearest Neighbor dan menggunakan metode Query Expansion Ranking untuk seleksi fitur. Ada 4 proses utama pada sistem analisis sentimen ini yang pertama adalah text pre-processing, term weighting (TF-IDF), seleksi fitur, dan klasifikasi. Berdasarkan pengujian yang telah dilakukan pada penelitian ini terbukti bahwa seleksi fitur meningkatkan hasil akurasi sistem. Hasil akurasi yang terbaik sebesar 96.36% diperoleh pada saat nilai k = 1 dan menggunakan rasio 50% seleksi fitur.Hasil pengujian dengan menggunakan rasio 50% seleksi fitur akurasi sistemnya lebih tinggi dibandingkan sistem yang tidak menggunakan seleksi fitur karena beberapa fitur noise dihilangkan.