Analisis Sentimen Opini Masyarakat Terhadap Fenomena Tiktokshop Menggunakan Metode K-Nearest Neighbor Berbasis N-Gram Dengan Seleksi Fitur Information Gain

Mahendra, Zianka and Ir. Indriati, S.T., M.Kom and Dr. Drs. Ir. Achmad Ridok, M. Kom (2024) Analisis Sentimen Opini Masyarakat Terhadap Fenomena Tiktokshop Menggunakan Metode K-Nearest Neighbor Berbasis N-Gram Dengan Seleksi Fitur Information Gain. Sarjana thesis, Universitas Brawijaya.

Abstract

TikTok Shop merupakan fitur terbaru yang diperkenalkan dalam platform TikTok, menawarkan pengalaman berbelanja online yang cukup unik dengan cara menggabungkan elemen-elemen dari media sosial dan transaksi langsung. Fitur ini dengan cepat mencapai tingkat popularitas yang sangat tinggi di kalangan pengguna TikTok. di tengah popularitasnya yang sedang melonjak pemerintah Indonesia tiba-tiba mengambil keputusan untuk menutup akses ke fitur ini. Keputusan ini telah menimbulkan berbagai ragam pandangan di kalangan masyarakat Indonesia. Beberapa mendukung keputusan pemerintah, merasa bahwa ini adalah tindakan yang perlu dilakukan demi kepentingan publik. Namun, tidak sedikit pula yang menentang, beranggapan bahwa penutupan TikTokShop adalah bentuk pembatasan yang tidak perlu dan bahkan bisa jadi merugikan. opini masyarakat terhadap TikTokShop tersebar luas di media sosial, termasuk dalam kolom komentar pada platform youtube yang sangat masif diperbincangkan. Analisis Sentimen menjadi kunci untuk memahami pandangan mendalam masyarakat terhadap fitur ini, memungkinkan kita untuk mengidentifikasi pola dan preferensi yang muncul. Analisis Sentimen pada penelitian ini menggunakan kombinasi metode K-Nearest Neighbors (KNN) berbasis N-Gram dan Information Gain sebagai seleksi fitur. Fitur N-Gram yang digunakan dalam penelitian ini adalah fitur Unigram, Bigram dan Gabungan Unigram-Bigram. Tahap dari analisis sentimen ini meliputi proses preprocessing untuk setiap data latih dan data uji, ekstraksi fitur N-Gram, pembobotan TF-IDF, seleksi fitur Information Gain, dan proses terakhir adalah klasifikasi menggunakan metode K-Nearest Neighbor (KNN), yang dimana setiap dokumen yang diujikan akan mendapatkan hasil klasifikasinya. Dataset yang digunakan pada penelitian ini berjumlah 1000 dataset, dengan pembagian 900 untuk data latih dan 100 data untuk data uji. Penelitian ini melakukan pengujian dengan menggunakan 10-fold cross validation untuk menguji parameter nilai k pada metode K-Nearest Neighbor (KNN). Berdasarkan pengujian yang telah dilakukan, didapatkan hasil bahwa nilai terbaik terdapat pada fitur Unigram dan nilai threshold yang digunakan adalah 100%, dengan akurasi sebesar 89%, dengan recall 89%, Precision sebesar 89.00%, dan F-Measure sebesar 89.00%. Berdasarkan temuan tersebut, dapat disimpulkan bahwa dalam menganalisis sentimen opini masyarakat Indonesia terhadap TikTokShop, metode K-Nearest Neighbor (KNN) dengan fitur Unigram dan tanpa seleksi fitur Information Gain memberikan hasil terbaik.

English Abstract

TikTok Shop is the latest feature introduced on the TikTok platform, offering a rather unique online shopping experience by combining elements of social media and direct transactions. This feature quickly gained immense popularity among analyzing the sentiment of the Indonesian public towards TikTok Shop, the KNearest Neighborided to close access to this feature. This decision has sparked various opinions among the Indonesian public. Some support the government's decision, believing it is necessary for the public interest. However, many others oppose it, considering the closure of TikTok Shop as unnecessary restriction that could potentially be detrimental. Public opinion on TikTok Shop is widely spread across social media, including massive discussions in the comment sections on platforms like YouTube. Sentiment analysis becomes key to understanding the deep-seated views of the community on this feature, enabling us to identify emerging patterns and preferences. This sentiment analysis research utilizes a combination of K-Nearest Neighbors (KNN) method based on N-Gram and Information Gain for feature selection. The N-Gram features employed in this study include Unigram, Bigram, and the combination of Unigram-Bigram. The sentiment analysis process involves preprocessing for both training and test data, N-Gram feature extraction, TF-IDF weighting, Information Gain feature selection, and the final step of classification using the K-Nearest Neighbor (KNN) method, where each tested document receives its classification result. The dataset used in this study comprises 1000 datasets, with 900 allocated for training data and 100 for test data. The research conducts testing using 10-fold cross-validation to evaluate the parameter value of K in the K-Nearest Neighbor method. Based on the conducted tests, it is found that the best results are achieved with the Unigram feature and a threshold value of 100%, yielding an accuracy of 89%, recall of 89%, precision of 89.00%, and F-Measure of 89.00%. Based on these findings, it can be concluded that in analyzing the sentiment of the Indonesian public towards TikTok Shop, the K-Nearest Neighbor method with Unigram feature and without Information Gain feature selection provides the best results.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150303
Uncontrolled Keywords:	Analisis Sentimen, K-Nearest Neighbor, N-Gram, Information Gain, TikTokShop-Sentiment Analysis, K-Nearest Neighbor, N-Gram, Information Gain, TikTokShop
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	soegeng sugeng
Date Deposited:	03 Jul 2024 08:17
Last Modified:	03 Jul 2024 08:17
URI:	http://repository.ub.ac.id/id/eprint/221903

Text (DALAM MASA EMBARGO) Zianka Mahendra.pdf Restricted to Registered users only Download (4MB)

Actions (login required)

View Item