Article Per Year (5 Year)
p-Index From 2019 - 2024
2.391
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri JTT (Jurnal Teknologi Terpadu) Jurnal CoreIT Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Informatika Universitas Pamulang Jurnal Nasional Komputasi dan Teknologi Informasi Krea-TIF: Jurnal Teknik Informatika JSAI (Journal Scientific and Applied Informatics) INFORMASI (Jurnal Informatika dan Sistem Informasi) JUKI : Jurnal Komputer dan Informatika Jurnal Restikom : Riset Teknik Informatika dan Komputer Jurnal Computer Science and Information Technology (CoSciTech) Jurnal Teknologi Terapan and Sains 4.0 SATIN - Sains dan Teknologi Informasi
Muhammad Fikry
Universitas Islam Negeri Sultan Syarif Kasim Riau
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JUKI : Jurnal Komputer dan Informatika

 1 
Klasifikasi Sentimen Masyarakat di Twitter terhadap Kenaikan Harga BBM dengan Metode K-NN Tiara Dwi Arista; Yusra Yusra; Muhammad Fikry; Lola Oktavia
JUKI : Jurnal Komputer dan Informatika Vol. 5 No. 1 (2023): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2023
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kenaikan harga Bahan Bakar Minyak (BBM) di Indonesia merupakan isu besar yang menjadi topik utama hingga saat ini. Kenaikan harga BBM di Indonesia telah belangsung sejak awal September 2022. Kebijakan pemerintah menaikkan harga BBM kemudian menimbulkan banyak opini dari kalangan masyarakat. Opini masyarakat terkait kebijakan pemerintah adanya sentimen positif dan negatif yang dapat dilihat melalui media sosial, seperti Twitter. Tujuan dari penelitian ini adalah untuk mengklasifikasikan sentimen masyarakat terhadap kenaikan harga BBM di Twitter. Jumlah data yang digunakan adalah 3000 tweet yang dikumpulkan berdasarkan kata kunci yaitu “Kenaikan BBM” dan “BBM naik”. Menerapkan metode K-Nearest Neighbor (K-NN), Feature Weighting (TF-IDF), dan Feature Selection (Threshold) akan dilakukan implementasi dengan menggunakan tools yaitu Google Collab . Berdasarkan hasil pengujian metode K-NN menggunakan matriks konfusi pada 10 nilai K yang berbeda (3,5,7,9,11,13,15,17,19,21) dengan mekanisme perbandingan yang digunakan 70:30, 80:20, dan 90:10 diperoleh akurasi paling tinggi sebesar 83,3% pada K=13 dan K=15 untuk perbandingan data training dan testing 90:10.
Co-Authors Alga Prananda Alwis Nazir Ayu Fransiska Damayanti, Elok Detha Yurisna Elin Haerani Elin Haerani Elvia Budianita Fadhilah Syafria Febi Yanto Fitri Insani Ibnu Surya Inggih Permana Lola Oktavia Muhammad Irsyad Nanda Sepriadi Pizaini Pizaini Pizaini Putri Mardatillah Rahmat Rizki Hidayat Ramadanu Putra Reski Mai Candra Rinaldi Syarfianto Safwandi Safwandi Sayed Omas Tutus Arifta Sayed Sofiah Surya Agustian Suwanto Sanjaya Taufik Hidayat Tiara Dwi Arista Yani, Susmi Syahfrida Yuda Zafitra Fadhlan Yusra YUSRA YUSRA Yusra, Yusra