Implementasi Information Gain Dan Particle Swarm Optimization Pada Klasifikasi Analisis Sentimen Penanganan Covid-19 Menggunakan Algoritma K-Nearest Neighbor

Abstract

Awal tahun 2020, virus baru dari Wuhan, China yang dikenal dengan virus corona atau COVID-19, mengguncang dunia (Coronavirus Disease 2019). Berbagai upaya telah dilakukan pemerintah untuk memerangi wabah ini, meskipun peran pemerintah dalam memerangi Covid-19 memiliki banyak kekurangan dan kelebihan. Perlakuan pemerintah Indonesia terhadap virus Covid-19 menjadi salah satu topik yang paling sering dibicarakan di Twitter. Komentar Twitter dapat diperiksa untuk sentimen dan kemudian dikategorikan menggunakan algoritma klasifikasi untuk menentukan mana yang positif dan mana yang negatif. Metode klasifikasi K-Nearest Neighbor, pemilihan fitur Information Gain dengan klasifikasi K-Nearest Neighbor, dan pemilihan fitur Information Gain dan optimasi Particle Swarm Optimization dengan algoritma klasifikasi K-Nearest Neighbor dibandingkan dalam makalah ini. Klasifikasi K-Nearest Neighbor dengan pemilihan fitur Information Gain dan optimasi Particle Swarm Optimization lebih unggul dari model K-Nearest Neighbor tanpa pemilihan fitur dan tanpa optimasi serta lebih unggul dari model K-Nearest Neighbor dengan pemilihan fitur Information Gain yaitu 87,33 ?ngan nilai K 5.

Kata kunci: Analisis Sentimen, Penanganan Covid-19, K-Nearest Neighbor, Information Gain, Particle Swarm Optimization