Analisis Sentimen Masyarakat Tentang Pengaruh Politik Identitas Pada Pemilu 2024 Terhadap Toleransi Beragama Menggunakan Metode K - Nearest Neighbor

Muhammad Jeral Palepa
Nunik Pratiwi
Reva Qintara Rohmansa


DOI: https://doi.org/10.29100/jipi.v9i1.4957

Abstract


Menjelang pemilu 2024 mendatang politik identitas kembali muncul sebagai polemik dan senjata utama dalam berpolitik demi mendapatkan suara. 2023 sebagai tahun politik menggunakan agama sebagai alat bagi setiap calon dalam berkampanye. Hal tersebut tentu berpengaruh terhadap toleransi beragama dalam bermasyarakat, baik sekarang maupun kedepanya. Tanggapan – tanggapan masyarakat mengenai politik identitas tersebut dapat ditemui di banyak media sosial terutama pada akun – akun youtube yang mengangkat tema politik identitas. Penelitian ini bertujuan untuk mengetahui bagaimana politik identitas mempengaruhi toleransi beragama di masyarakat melalui hasil nilai akurasi dan evaluasi dari penerapan metode KNN dalam pengujian analisis sentimen pada komentar video youtube Indonesia lawyers club yang bertemakan politik identitas. Pada penelitian ini terdapat 2000 data pada dataset yang akan diproses dalam tahapan preprocessing dan labeling dengan dilakukan implementasi algoritma dengan metode K – Nearest Neighbor. Pengujian menggunakan teknik splitting data 80 : 20 pada range K-1 sampai K-10 dengan accuracy sebesar 65% serta melakukan pengujian evaluasi hasil penelitian dengan menggunakan confusion matrix.

Keywords


Analisis Sentimen; K – Nearest Neighbor; Politik Identitas; Youtube

Full Text:

PDF

Article Metrics :

References


[1] D. Ardiyanti, A. M. G. P. Laia, and M. H. Nabiyyin, “Demokrasi, Penegakan Hukum dan Politik Identitas di Indonesia,” Resolusi J. Sos. Polit., vol. 2, no. 2, pp. 94–106, 2019, doi: 10.32699/resolusi.v2i2.974.

[2] L. Legito et al., “Penerapan Algoritma K-Nearest Neighbor untuk Analisis Sentimen Terhadap Isu Khilafah dan Radikalisme di In-donesia,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 324–330, Nov. 2023, doi: 10.57152/malcom.v3i2.893.

[3] P. Pasek, O. Mahawardana, G. M. A. Sasmita, P. A. H. Agus, and E. Pratama, “Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap ‘Figure Pemimpin’ Menggunakan Python,” JITTER J. Ilm. Teknol. dan Komput., 2022, [Online]. Available: https://api.semanticscholar.org/CorpusID:264186311

[4] M. I. Petiwi, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Gofood Berdasarkan Twitter Menggunakan Metode Naïve Bayes dan Support Vector Machine,” J. MEDIA Inform. BUDIDARMA, vol. 6, no. 1, p. 542, Jan. 2022, doi: 10.30865/mib.v6i1.3530.

[5] I. P. Hendika Permana, “Analisis Rasio Pada Akun Youtube Untuk Penelitian Kualitatif Menggunakan Metode Ekploratif,” J. Ilm. Media Sisfo, vol. 15, no. 1, pp. 40–48, Apr. 2021, doi: 10.33998/mediasisfo.2021.15.1.970.

[6] D. A. Lestari and T. W. Apoko, “Efektivitas Video Animasi melalui YouTube terhadap Minat Belajar Bahasa Indonesia pada Siswa Sekolah Dasar,” J. Basicedu, vol. 6, no. 4, pp. 5953–5960, May 2022, doi: 10.31004/basicedu.v6i4.3180.

[7] L. Indrianingsih and B. Budiarsih, “ANALISIS HUKUM KONTEN NEGATIF DI PLATFORM YOUTUBE DI INDONESIA,” Bur. J. Indones. J. Law Soc. Gov., vol. 2, no. 3, pp. 892–916, Dec. 2022, doi: 10.53363/bureau.v2i3.71.

[8] F. fauzi Abdulloh and I. R. Pambudi, “Analisis sentimen pengguna youtube terhadap program vaksin covid-19,” Csrid (computer Sci. Res. its Dev. journal), vol. 13, no. 3, pp. 141–148, 2021.

[9] A. R. Widangsa and A. R. Pratama, “Analisis Sentimen Kebijakan Pendidikan Di Masa Pandemi COVID-19 dengan CrowdTangle di Facebook,” AUTOMATA, vol. 2, no. 2, 2021.

[10] N. Nuraeni, “Klasifikasi Data Mining untuk Prediksi Potensi Nasabah dalam Membuat Deposito Berjangka,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 3, no. 01, pp. 65–75, 2021.

[11] Q. A. A’yuniyah and M. Reza, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Di Sma Negeri 15 Pek-anbaru,” Indones. J. Inform. Res. Softw. Eng., vol. 3, no. 1, pp. 39–45, Mar. 2023, doi: 10.57152/ijirse.v3i1.484.

[12] R. Tuntun, K. Kusrini, and K. Kusnawi, “Analisis Perbandingan Kinerja Algoritma Klasifikasi dengan Menggunakan Metode K-Fold Cross Validation,” J. MEDIA Inform. BUDIDARMA, vol. 6, no. 4, p. 2111, Oct. 2022, doi: 10.30865/mib.v6i4.4681.

[13] R. Naquitasia, D. H. Fudholi, and L. Iswari, “Analisis Sentimen Berbasis Aspek pada Wisata Halal dengan Metode Deep Learning,” J. Teknoinfo, 2022, [Online]. Available: https://api.semanticscholar.org/CorpusID:250402144

[14] O. I. Gifari, M. Adha, I. R. Hendrawan, and F. F. S. Durrand, “Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine,” J. Inf. Technol., vol. 2, no. 1, pp. 36–40, 2022.

[15] W. P. P. Soenjoto, “Eksploitasi Isu Politik Identitas terhadap Identitas Politik pada Generasi Milineal Indonesia di Era 4.0,” J. Islam. Stud. Humanit., vol. 4, no. 2, pp. 187–217, 2019, doi: 10.21580/jish.42.5223.

[16] D. Duei Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 10, no. 1, Jan. 2022, doi: 10.23960/jitet.v10i1.2262.

[17] Y. D. Atma and A. Setyanto, “Perbandingan Algoritma C4. 5 Dan K-Nn Berbasis Fitur Seleksi Forward Selection Dalam Identifikasi Mahasiswa Berpotensi Drop Out,” Metik J., vol. 2, no. 2, pp. 31–37, 2018.

[18] F. D. Ananda and Y. Pristyanto, “Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 20, no. 2, pp. 407–416, May 2021, doi: 10.30812/matrik.v20i2.1130.

[19] J. A. Septian, T. M. Fachrudin, and A. Nugroho, “Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor,” J. Intell. Syst. Comput., vol. 1, no. 1, pp. 43–49, Aug. 2019, doi: 10.52985/insyst.v1i1.36.