REPOSITORY PAIindonesia2022

KLASIFIKASI SENTIMEN TERHADAP USTADZ ABDUL SOMAD DENGAN METODE K-NEAREST NEIGHBOR PADA MEDIA SOSIAL TWITTER

Rio Arnopalindo, - · UIN Sultan Syarif Kasim Riau

Abstrak / Ringkasan

Istilah ulama sendiri merujuk kepada seseorang yang mumpuni dalam bidang ilmu agama, berakhlak baik, dan menjadi teladan hidup bagi masyarakat. Ulama senantiasa mengisi sendi-sendi kehidupan dengan laku yang positif yang berdampak kebaikan secara luas. Ustadz abdul somad menjadi nama ulama yang ceramahnya paling banyak diikuti menurut hasil survey oleh Alvara Research Center. Dengan menjadi ulama yang ceramahnya paling banyak diikuti tentu terdapat berbagai sentimen yang diberikan terhadap ustadz abdul somad, untuk melakukan klasifikasi data yang digunakan harus bersifat relevan dan objektif maka penulis ingin menggunakan data sentimen terhadap ustad abdul somad ini untuk mengimplementasikan metode K-Nearest Neighbor dalam mengklasifikasikan sentimen. Data yang akan digunakan berjumlah 1000 data tweet yaitu data tweet yang berhubungan dengan ustadz Abdul Somad, data tersebut diambil dengan memanfaatkan Twitter API (Application Progaming Interface). Hasil dari proses pengujian dengan menggunakan confusion matrix mendapatkan model pengujian dengan dataset 90% data latih dan 10% data uji mendapatkan hasil akurasi tertinggi untuk melakukan klasifikasi sentimen terhadap ustadz Abdul Somad yaitu mencapai 87%, recall 74%, precision 100%, dan error rate 13% dengan parameter k=9 dan nilai threshold 15. Berdasarkan hasil penelitian dapat disimpulkan bahwa metode K-Nearest Neighbor baik dalam proses klasifikasi sentimen terhadap ustadz Abdul Somad.

Kata Kunci: Abdul Somad, Confusion Matrix, K-Nearest Neighbor, Twitter, Ulama

Sitasi

RIS BibTeX
Recommendation Engine

Referensi Serupa

REPOSITORY2022

Analisis Sentimen Komentar Di YouTube Tentang Ceramah Ustadz Abdul Somad Menggunakan Algoritma Naïve Bayes

Habibi Al Rasyid Harpizon, -; Rahmad Kurniawan, -; Iwan Iskandar, -; Roni Salambue, -; Elvia Budianita, -; Fadhilah Syafria, -

99% mirip
REPOSITORY2021

PERSONAL BRANDING USTADZ ABDUL SOMAD MENGGUNAKAN MEDIA SOSIAL INSTAGRAM @ustadzabdulsomad_official

SUFI PUTRI LESTARI, -

99% mirip
REPOSITORY2021

APLIKASI REKOMENDASI REVIEWER TUGAS AKHIR BERBASIS TEXT MINING MENGGUNAKAN METODE KLASIFIKASI K-NEAREST NEIGHBOR

FITRIANI, -

99% mirip
REPOSITORY2022

PENERAPAN ALGORITMA MODIFIED K-NEAREST NEIGHBOR DAN OPTIMASI PARTICLE SWARM OPTIMIZATION PADA KLASIFIKASI CITRA DAGING BABI DAN DAGING SAPI

ARIF AFRINAS, -

99% mirip
REPOSITORY2017

PENERAPAN METODE MODIFIED K-NEAREST NEIGHBOR(MKNN)UNTUK KLASIFIKASI PEMILIHAN JURUSAN DI SMA NEGERI 02 BANGKO BAGANSIAPIAPI

YAN MIDIN

99% mirip
REPOSITORY2017

ANALISIS PENERAPAN K-NEAREST NEIGHBOR DAN NAIVE BAYES CLASSIFIER UNTUK KLASIFIKASI PENJURUSAN SISWA PADA MAN 2 MODEL PEKANBARU

REYSA HASTARIMASUCI

99% mirip
REPOSITORY2018

PENERAPAN METODE MEL FREQUENCY CEPSTRUM COEFIFICIENT DAN K-NEAREST NEIGHBOR UNTUK PENGECEKAN HUKUM TAJWID IKHFA

MUHAMMAD AMIN

99% mirip
REPOSITORY2021

PENERAPAN K-OPTIMAL PADA ALGORITMA MODIFIED K–NEAREST NEIGHBOR (MK-NN) UNTUK KLASIFIKASI KELULUSAN MAHASISWA (STUDI KASUS : TEKNIK INFORMATIKA UIN SUSKA RIAU)

MELDAWATI PUTRI, -

99% mirip
REPOSITORY2019

Verbal and Nonverbal Factors Influencing the Success of Da’wah Communication By Ustadz Abdul Somad

Qarni, Waizul; Syahnan, Mhd.; Harahap, Isnaini; Nasution, Sahkholid; Fithriani, Rahmah

99% mirip
REPOSITORY2019

Metode Ceramah Ustadz Dalam Memotivasi Para Pemuda Di Pengajian Masjid Aljihad Jalan Abdullah Lubis Kota Medan. (2019).

Maghfirah, Muhammad Alvin

99% mirip
REPOSITORY2019

KLASIFIKASI DOKUMEN TUGAS AKHIR BERBASIS TEXT MINING MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DAN K-NEAREST NEIGHBOR

HAMDANI ASRIL, -

97% mirip
REPOSITORY2019

Penerapan Metode Smart (Simple Multi Atribute Rating Tehnique) Dan Algoritma K-Nearest Neighbor Dalam Penentuan Jurusan Sekolah Menegah Atas

Raja, Ahmad

97% mirip
Sumber yang Sama

Literatur Lain dari UIN Sultan Syarif Kasim Riau

Bacaan Lanjutan

Literatur Terbaru yang Relevan