Penerapan Algoritma K-Nearest Neighbor untuk Analisis Sentimen Terhadap Isu Khilafah dan Radikalisme di Indonesia

Implementation K-Nearest Neighbor Algorithm for Sentiment Analysis on Khilafah and Radicalism Issues in Indonesia

Authors

  • Legito Legito Sekolah Tinggi Teknologi Sinar Husni Medan
  • Nindi Permata Riau Universitas Islam Negeri Sultan Syarif Kasim Riau
  • Adi Nugroho Susanto Putro STAB Negeri Raden Wijaya
  • Eri Mardiani Universitas Nasional
  • Nofri Yudi Arifin Universitas Ibnu Sina
  • Sepriano Sepriano Universitas Islam Negeri Sulthan Thaha Saifuddin Jambi
  • Moh. Erkamim Universitas Tunas Pembangunan Surakarta

DOI:

https://doi.org/10.57152/malcom.v3i2.893

Keywords:

Analisis Sentimen, Khilafah, K-Nearest Neighbor, Radikalisme, Twitter

Abstract

Seiring dengan majunya teknologi, media sosial merupakan salah satu alternatif untuk mendapatkan dan menyebarkan informasi dengan cepat. Salah satu media sosial yang saat ini digunakan yaitu Twitter. Terdapat banyak topik yang diperbincangkan salah satunya mengenai Khilafah. Khilfah merupakan suatu institusi politik yang tidak dapat diasingkan dari aktivitas politik, dimana munculnya setelah sepeninggal Rasulullah untuk dapat meneruskan kepemimpinannya. Khilafah biasanya dikaitkan dengan yang namanya Radikalisme. Opini tentang khilafah dan radikalisme tidak pernah berhenti diperbincangkan dikalangan masyarakat, oleh karena itu dibutuhkan analisa sentimen untuk menganalisa tanggapan masyarakat di Indonesia mengenai pernyataan khilafah tersebut. Analisa sentimen ini menggunakan Algoritma  K-Nearest Neighbor atau K-NN. Berdasarkan hasil yang telah dilakukan menunjukkan bahwa Algoritma  K-NN memperoleh hasil akurasi yang tinggi yaitu 92.11% dan 88,2% pada masing-masing kata kunci Khilafah dan Radikalisme dengan menggunakan 5000 data yang terdapat pada twitter.

References

A. B. Puandina, S. A. Aryani, and I. I. Studies, “Konseling Lintas Agama dan Budaya dalam Fenomena Hijrah dan Perilaku Beragama Milenial di Media Sosial,” vol. 9, pp. 376–385, 2023.

L. Yue, W. Chen, X. Li, W. Zuo, and M. Yin, “A survey of sentiment analysis in social media,” Knowl. Inf. Syst., vol. 60, no. 2, pp. 617–663, 2019, doi: 10.1007/s10115-018-1236-4.

J. Subando and M. K. B. Wibowo, “Construction of the Khilafah State According to Taqiyuddin An-Nabhani: Foundation for Development of Perception Measurement Instruments about the Khilafah,” Ishlah J. Ilmu Ushuluddin, Adab dan Dakwah, vol. 5, no. 1, pp. 55–72, 2023, doi: 10.32939/ishlah.v5i1.240.

S. Sahri, “Political thought of Al-Ghazali on Imamah: Debate between theocracy and democracy,” HTS Teol. Stud. / Theol. Stud., vol. 77, no. 3, pp. 1–8, 2021, doi: 10.4102/hts.v77i3.6338.

Moh. Shofan, “Konsep Khalifah Fi Al-Ardh dalam Surat Al-Baqarah Ayat 30 dan Implikasinya pada Tujuan Pendidikan Islam,” vol. 2, no. 1, pp. 141–163, 2020.

E. R. Dewi, C. Hidayatullah, D. Oktaviantari, and M. Y. Raini, “Konsep Kepemimpinan Profetik,” Al-Muaddib J. Ilmu-Ilmu Sos. dan Keislam., vol. 5, no. 1, pp. 147–159, 2020, [Online]. Available: http://dx.doi.org/10.31604/muaddib.v5i1.147-159.

A. Rajput, Natural language processing, sentiment analysis, and clinical analytics. Elsevier Inc., 2019.

Mustakim and R. Novita, “The Implementation of Probabilistic Neural Networks to Sentiment Analysis of National Principle and Religion Issues in Indonesia,” J. Syst. Manag. Sci., vol. 13, no. 5, pp. 311–321, 2023, doi: 10.33168/JSMS.2023.0520.

S. M. Nagarajan and U. D. Gandhi, “Classifying streaming of Twitter data based on sentiment analysis using hybridization,” Neural Comput. Appl., vol. 31, no. 5, pp. 1425–1433, 2019, doi: 10.1007/s00521-018-3476-3.

S. Sun, Y. Zhai, B. Shen, and Y. Chen, “Newspaper coverage of artificial intelligence: A perspective of emerging technologies,” Telemat. Informatics, vol. 53, no. May, 2020, doi: 10.1016/j.tele.2020.101433.

E. Yulian, “Text Mining dengan K-Means Clustering pada Tema LGBT dalam Arsip Tweet Masyarakat Kota Bandung,” J. Mat. “MANTIK,” vol. 4, no. 1, pp. 53–58, 2018, doi: 10.15642/mantik.2018.4.1.53-58.

R. Zannah, “Analisis Sentimen Pada Media Sosial Twitter Untuk Klasifikasi Opini Islam Radikal Menggunakan Jaringan Saraf Tiruan,” no. September 2017, pp. 46–54, 2019, [Online]. Available: http://digilib.uinsby.ac.id/32982/.

R. Andrian, M. A. Naufal, B. Hermanto, A. Junaidi, and F. R. Lumbanraja, “K-Nearest Neighbor (k-NN) Classification for Recognition of the Batik Lampung Motifs,” J. Phys. Conf. Ser., vol. 1338, no. 1, 2019, doi: 10.1088/1742-6596/1338/1/012061.

S. G. Setyorini and Mustakim, “Application of the nearest neighbor algorithm for classification of online taxibike sentiments in indonesia in the google playstore application,” J. Phys. Conf. Ser., vol. 2049, no. 1, pp. 0–7, 2021, doi: 10.1088/1742-6596/2049/1/012026.

M. Tanveer, A. Sharma, and P. N. Suganthan, “Least squares KNN-based weighted multiclass twin SVM,” Neurocomputing, vol. 459, no. xxxx, pp. 454–464, 2021, doi: 10.1016/j.neucom.2020.02.132.

I. Triguero, D. García-Gil, J. Maillo, J. Luengo, S. García, and F. Herrera, “Transforming big data into smart data: An insight on the use of the k-nearest neighbors algorithm to obtain quality data,” Wiley Interdiscip. Rev. Data Min. Knowl. Discov., vol. 9, no. 2, pp. 1–24, 2019, doi: 10.1002/widm.1289.

A. Salam, J. Zeniarja, and R. S. U. Khasanah, “Analisis Sentimen Data Komentar Sosial Media Facebook Dengan K-Nearest Neighbor (Studi Kasus Pada Akun Jasa Ekspedisi Barang J&T Ekpress Indonesia),” Pros. SINTAK, pp. 480–486, 2018.

H. Wisnu, M. Afif, and Y. Ruldevyani, “Sentiment analysis on customer satisfaction of digital payment in Indonesia: A comparative study using KNN and Naïve Bayes,” J. Phys. Conf. Ser., vol. 1444, no. 1, 2020, doi: 10.1088/1742-6596/1444/1/012034.

J. Penelitian Ilmu Komputer, B. Wisnu Widagdo, and M. Adhari Adiguna, “Brand Reputation Monitoring System Based on Sentiment Analysis Using the K-Nearest Neighbor Method,” vol. 1, no. 1, pp. 22–27, 2023, [Online]. Available: https://doi.org/10.5281/zenodo.7720440https://mypublikasi.com/.

S. A. Salloum, M. Al-Emran, A. A. Monem, and K. Shaalan, “Using text mining techniques for extracting information from research articles,” Stud. Comput. Intell., vol. 740, pp. 373–397, 2018, doi: 10.1007/978-3-319-67056-0_18.

G. Widarma, R. Novita, Mustakim, and N. E. Rozanda, “Comparing Classification Algorithms to Analyze Twitter Sentiment on Public Opinion on Fuel Oil,” 2023 Int. Semin. Intell. Technol. Its Appl. Leveraging Intell. Syst. to Achieve Sustain. Dev. Goals, ISITIA 2023 - Proceeding, pp. 648–653, 2023, doi: 10.1109/ISITIA59021.2023.10221118.

P. Nandwani and R. Verma, “A review on sentiment analysis and emotion detection from text,” Soc. Netw. Anal. Min., vol. 11, no. 1, 2021, doi: 10.1007/s13278-021-00776-6.

F. Hemmatian and M. K. Sohrabi, “A survey on classification techniques for opinion mining and sentiment analysis,” Artif. Intell. Rev., vol. 52, no. 3, pp. 1495–1545, 2019, doi: 10.1007/s10462-017-9599-6.

D. Kurniawan and A. Saputra, “Penerapan K-Nearest Neighbour dalam Penerimaan Peserta Didik dengan Sistem Zonasi,” J. Sist. Inf. Bisnis, vol. 9, no. 2, p. 212, 2019, doi: 10.21456/vol9iss2pp212-219.

K. Shah, H. Patel, D. Sanghvi, and M. Shah, “A Comparative Analysis of Logistic Regression, Random Forest and KNN Models for the Text Classification,” Augment. Hum. Res., vol. 5, no. 1, 2020, doi: 10.1007/s41133-020-00032-0.

U. R. Gurning, Mustakim, S. T. Rizaldi, and H. Syukron, “Comparison of Naïve Bayes, C4.5 and K-Nearest Neighbor for Covid-19 Data Classification,” ISITDI, pp. 16–21, 2022.

P. Wibowo, “Sekuritisasi Wacana Khilafah Di Indonesia,” J. Islam. Stud. Int. …, vol. Vol. 5, no. 1, pp. 25–49, 2020, doi: 10.5281/zenodo.4052347.

S. Rohman and S. Nurhasanah, “Paham Radikalisme Berdasarkan Perspektif Agama,” J. Terror. Stud., vol. 1, no. 1, pp. 18–32, 2019.

Downloads

Published

2023-11-07

Issue

Vol. 3 No. 2 (2023): MALCOM October 2023

Section

Articles