Title: ANALISIS SENTIMEN PADA REVIEW OBJEK WISATA DUNIA FANTASI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (K-NN)
Abstract:- Reviews of tourist attractions make it easier for other visitors to know the state of the place and become input for other visitors. Sentiment analysis is needed to make the best decision. This stud...- Reviews of tourist attractions make it easier for other visitors to know the state of the place and become input for other visitors. Sentiment analysis is needed to make the best decision. This study aims to determine the accuracy of sentiment analysis using the K-Nearest Neighbor algorithm, which reviews using Indonesian language texts. The advantages of k-NN have a simple principle, working based on the shortest distance from the test sample and training sample. In this research, preprocessing used is tokenize, stopword filter and bi-gram. The data used consisted of 50 positive reviews and 50 negative reviews. Experiments have been carried out by changing the value of k and obtained the greatest accuracy with a value of k = 7 with an accuracy of 77.01, precission 92.38, recall 61.56 and AUC value of 0.894. Keywords: sentiment analysis;Review of attractions; k-NN Abstrak- Review mengenai tempat wisata memudahkan pengunjung lain untuk mengetahui keadaan tempat tersebut dan menjadi masukan untuk pengunjung lain. Analisis sentimen diperlukan untuk mengambil keputusan yang terbaik. Penelitian ini bertujuan untuk mengetahui akurasi analisis sentimen dengan menggunakan algoritma K-Nearest Neighbor yang mana review menggunakan teks berbahasa Indonesia. Kelebihan k-NN memiliki prinsip sederhana, bekerja berdasarkan jarak terpendek dari sampel uji dan sampel latih. Pada penelitian ini preprocessing yang digunakan yaitu tokenize, filter stopword dan bi-gram. Data yang digunakan terdiri dari 50 review positif dan 50 review negative. Eksperimen telah dilakukan dengan mengubah nilai k dan didapat akurasi yang terbesar dengan nilai k=7 dengan akurasi 77.01, precission 92.38, recall 61.56 dan nilai AUC 0.894. Kata kunci : analisis sentiment; review objek wisata; k-NNRead More