Penerapan Metode K-Means Clustering Dalam Menganalisis Sentimen Masyarakat Terhadap K-Popers Pada Twitter
Abstract
The evolution of Twitter as a platform loved by the general public in Indonesia is evidenced by statistical data that shows that Indonesia is ranked 7th in the world and has a large number of users, reaching 13.2 million. Many users have expressed their opinions on Twitter. This includes expressions with hate speech to bullying. From this research, an analysis was carried out on public satisfaction with K-Pop to get a benchmark for how far people know the existence of K-Pop in Indonesia. This research was conducted using the K-Means Clustering algorithm method to group (positive, neutral and negative) sentiments from datasets taken from Twitter. The dataset used consists of 1000 data retrieved according to the results of the polarity of the tweet. Based on the test results, it got a negative sentiment value of 15.09%, neutral 51.75%, and positive 33.15%. With the evaluation level using the silhouette coefficient method, which is 0.687974 which means it has good structural results.
Keywords: Data Mining, K-means Clustering, Silhouette coefficient, K-pop
Abstrak. Evolusi Twitter sebagai platform yang digemari masyarakat umum di Indonesia dibuktikan dengan data statistik yang menunjukkan bahwa Indonesia menempati peringkat ke-7 dunia dan memiliki jumlah pengguna yang besar yaitu mencapai 13,2 juta. Banyak pengguna yang mengutarakan pendapat di Twitter. Ini termasuk ekspresi dengan ujaran kebencian hingga perundungan. Dari penelitian tersebut dilakukan analisis tentang kepuasan masyarakat terhadap K-Pop untuk mendapatkan tolok ukur seberapa jauh masyarakat mengetahui eksistensi K-Pop di Indonesia. Penelitian ini dilakukan dengan menggunakan algoritme K-Means Clustering untuk mengelompokkan sentimen positif, netral dan negatif dari dataset yang diambil dari twitter. Dataset yang digunakan terdiri dari 1000 data yang diambil sesuai hasil polaritas tweet. Berdasarkan hasil pengujian mendapatkan nilai sentimen negatif sebanyak 15,09%, netral 51,75%, dan positif 33,15%. Dengan tingkat evaluasi menggunakan metode Silhouette Coefficient yaitu sebesar 0.687974 yang berarti memiliki hasil struktur yang baik.
Kata kunci: Data Mining, K-means Clustering , Silhouette coefficient, K-pop
References
K. Zakiah, D. Widya Putri, N. Nurlimah, D. Mulyana, And Nurhastuti, “Menjadi Korean Di Indonesia: Mekanisme Perubahan Budaya Indonesia-Korea,” Media Tor, Vol. 12, No. 1, Pp. 90–101, 2019,
M. Kim, Y. C. Heo, S. C. Choi, And H. W. Park, “Comparative Trends In Global Communication Networks Of #Kpop Tweets,” Qual. Quant., Vol. 48, No. 5, Pp. 2687–2702, 2014, Doi: 10.1007/S11135-013-9918-1.
A. R. Rinata And S. I. Dewi, “Fanatisme Penggemar Kpop Dalam Bermedia Sosial Di Instagram,” Interak. J. Ilmu Komun., Vol. 8, No. 2, Pp. 13–21, 2019, Doi: 10.14710/Interaksi.8.2.13-21.
R. S. Tanjung, “Motivasi Dan Perilaku Penggemar Musik Korean Pop Di Medan,” P. 83, 2019, [Online]. Available: Http://Repository.Umsu.Ac.Id/Bitstream/123456789/7289/1/ Motivasi Dan Perilaku Penggemar Musik Korean Pop Di Medan.Pdf
Y. V. Wijaya, A. Erfina, And C. Warman, “Analisis Sentimen Seputar Uu Ite Menggunakan Algoritma Support Vector Machine,” Progresif J. Ilm. Komput., Vol. 17, No. 2, Pp. 1–14, Aug. 2021, Doi: 10.35889/Progresif.V17i2.644.
I. Kurniawan And A. Susanto, “Implementasi Metode K-Means Dan Naïve Bayes Classifier Untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019,” Eksplora Inform., Vol. 9, No. 1, Pp. 1–10, Sep. 2019, Doi: 10.30864/Eksplora.V9i1.237.
N. Puji, S. Endang, And T. Listyorini, “Analisis Sentimen Terhadap Penggemar K-Pop Di Media Sosial Twitter Menggunakan Naive Bayes (Studi Kasus Penggemar Grup BTS”, Journal Information Engineering and Educational Technology, Vol.4, No. 2, Pp. 86–89, 2020.
S. Budi, “Text Mining Untuk Analisis Sentimen Review Film,” Techno.Com, Vol. 16, No. 1, Pp. 1–8, 2017.
M. W. Goni and Sembiring, "Implementasi K-Means Dalam Pengelompokan Penyebaran COVID-19 di Jawa Barat". Progresif: Jurnal Ilmiah Komputer, vol. 17, no. 2, pp. 107-118, 2021.
S. Suhartini, R. Yuliani, G. Gustientiedina, M. H. Adiya, And Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan,” J. Nas. Teknol. Dan Sist. Inf., Vol. 4, No. 1, Pp. 39–50, 2021, Doi: 10.25077/Teknosi.V5i1.2019.17-24.
I. K. A. Wirayasa And H. Santoso, “Analisis Employee Satisfaction Menggunakan Teknik Clustering Dan Classification Machine Learning,” Progresif J. Ilm. Komput., Vol. 18, No. 1, Pp. 1–10, Jan. 2022, Doi: 10.35889/Progresif.V18i1.766.
K. Fatmawati And A. P. Windarto, “Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (Dbd) Berdasarkan Provinsi,” Comput. Eng. Sci. Syst. J., Vol. 3, No. 2, Pp. 173–178, 2018, Doi: 10.24114/Cess.V3i2.9661.
A. Rahmawati, A. Marjuni, And J. Zeniarja, “Analisis Sentimen Publik Pada Media Sosial Twitter Terhadap Pelaksanaan Pilkada Serentak Menggunakan Algoritma Support Vector Machine,” Ccit J., Vol. 10, No. 2, Pp. 197–206, 2017, Doi: 10.33050/Ccit.V10i2.539.
A. Faesal, A. Muslim, A. H. Ruger, And K. Kusrini, “Sentimen Analisis Terhadap Komentar Konsumen Terhadap Produk Penjualan Toko Online Menggunakan Metode K-Means,” Matrik J. Manajemen, Tek. Inform. Dan Rekayasa Komput., Vol. 19, No. 2, Pp. 207–213, 2020, Doi: 10.30812/Matrik.V19i2.640.
Y. W. Syaifudin And R. A. Irawan, “Implementasi Analisis Clustering Dan Sentimen Data Twitter Pada Opini Wisata Pantai Menggunakan Metode K-Means,” J. Inform. Polinema, Vol. 4, No. 3, Pp. 189–194, 2018, Doi: 10.33795/Jip.V4i3.205.
N. A. Rakhmawati, M. I. Aditama, R. I. Pratama, And K. H. U. Wiwaha, “Analisis Klasifikasi Sentimen Pengguna Media Sosial Twitter Terhadap Pengadaan Vaksin Covid-19,” J. Inf. Eng. Educ. Technol., Vol. 4, No. 2, Pp. 90–92, 2020, Doi: 10.26740/Jieet.V4n2.P90-92.
S. Suhartini And R. Yuliani, “Penerapan Data Mining Untuk Mengcluster Data Penduduk Miskin Menggunakan Algoritma K-Means Di Dusun Bagik Endep Sukamulia Timur,” Infotek J. Inform. Dan Teknol., Vol. 4, No. 1, Pp. 39–50, 2021, Doi: 10.29408/Jit.V4i1.2986.
A. Jananto, "Penerapan Algoritma K-Means Clustering Untuk Perencanaan Kebutuhan Obat di Klinik Citra Medika". Progresif: Jurnal Ilmiah Komputer, vol. 18, no. 1, pp. 69-76, 2022.
R. Hidayati Et Al., “Analisis Silhouette Coefficient Pada 6 Perhitungan Jarak K-Means Clustering,” Vol. 20, No. 2, Pp. 186–197, 2021.
How To Cite This :
Refbacks
- There are currently no refbacks.
