Analisis Sentimen Terhadap Kinerja Menteri Keuangan Purbaya Yudhi Sadewa Menggunakan Algoritma K-Nearest Neighbors

Abstract

Perkembangan media sosial meningkatkan partisipasi publik dalam menyampaikan opini terhadap kebijakan dan kinerja pejabat pemerintah. Penelitian ini bertujuan untuk menganalisis sentimen terhadap kinerja Purbaya Yudhi Sadewa sebagai Menteri Keuangan berdasarkan komentar TikTok. Data diperoleh melalui teknik scraping dari video TikTok dalam periode satu bulan setelah pelantikan dan menghasilkan 1317 komentar setelah proses pembersihan data. Tahapan pengolahan meliputi preprocessing, pelabelan data menggunakan metode manual dan lexicon-based,  ekstraksi fitur menggunakan TF-IDF serta pemodelan menggunakan algoritma K-Nearest Neighbors. Penentuan parameter optimal dilakukan menggunakan GridSearchCV dengan 10-Fold Cross Validation, yang menghasilkan nilai K terbaik 13 untuk data dengan labeling manual dan 15 untuk data dengan labeling lexicon-based. Hasil pengujian menggunakan Holdout Validation (80:20) menunjukkan bahwa model KNN dengan labeling manual memperoleh akurasi tertinggi sebesar 94,32%, sedangkan model dengan lexicon-based memperoleh akurasi sebesar 75,38%. Hasil penelitian menunjukkan bahwa pelabelan manual menghasilkan performa klasifikasi yang lebih baik dan lebih konsisten dibandingkan metode lexicon-based. Temuan ini mengindikasikan bahwa kualitas pelabelan data berpengaruh signifikan terhadap performa klasifikasi sentimen, terutama pada komentar media sosial yang bersifat informal dan ambigu.