Perbandingan Algoritma K-Nearest Neighbor dan Naive Bayes Classifier Dalam Analisis Sentimen Pilkada 2024 di X

Analisis sentimen merupakan metode yang digunakan untuk memahami opini publik berdasarkan data teks, seperti unggahan di media sosial. Penelitian ini bertujuan untuk membandingkan performa algoritma K-Nearest Neighbor (KNN) dan Naive Bayes Classifier (NBC) dalam mengklasifikasikan sentimen masyarakat terhadap Pilkada 2024 berdasarkan data dari platform X (sebelumnya Twitter). Data dikumpulkan melalui teknik crawling dengan tagar #Pilkada2024, menghasilkan 1.187 tweet yang telah melalui proses Preprocessing dan pelabelan manual oleh ahli bahasa. Evaluasi dilakukan menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes unggul dengan akurasi 77%, sedangkan KNN memperoleh akurasi 75%. NBC juga memiliki f1-score tertinggi pada kategori sentimen positif. Visualisasi menggunakan word cloud memperlihatkan dominasi kata-kata tertentu pada masing-masing kategori sentimen. Dengan demikian, Naive Bayes Classifier dinilai lebih efektif dalam menganalisis sentimen pada konteks politik seperti Pilkada.

Kata Kunci: Analisis sentimen, K-Nearest Neighbor, Naive Bayes Classifier, Pilkada 2024