Analisis Sentimen Tentang Kebijakan Ganjil Genap Kendaraan Bermotor di DKI Jakarta Pada Twitter Menggunakan BM25 dan K-Nearest Neighbor
Kata Kunci:
Kata kunci: analisis sentimen, kebijakan ganjil genap, Twitter, BM25, K-Nearest NeighbhorAbstrak
Kemacetan kerap terjadi di berbagai wilayah Indonesia, khususnya kota besar seperti Daerah Khusus Ibukota Jakarta. Berbagai strategi yang sudah dilakukan oleh Pemerintah Provinsi (Pemprov) DKI Jakarta untuk mengatasi kemacetan, salah satunya adalah sistem ganjil genap. Kemacetan yang terjadi terkadang membuat masyarakat khususnya masyrakat DKI Jakarta mengutarakan keluh kesahnya melalui media sosial yang ada di dunia maya. Salah satu media yang efektif untuk menyampaikan pendapat dan opini adalah Twitter, yang tergolong cepat untuk mengabarkan pengalaman yang dirasakan oleh masyarakat seluruh Indonesia. Dengan banyaknya pengguna disertai kemudahan pengaksesan Twitter dalam penyampaian opini, maka akan banyak data opini terkumpul yang kemudian bisa menjadi peluang untuk dimanfaatkan sebagai bahan evaluasi kebijakan ganjil genap di Daerah Khusus Ibukota Jakarta. Oleh karena itu, dibutuhkan suatu metode yang dapat memilah sentimen dari user. Apakah sentimen tersebut masuk dalam kelas positif atau kelas negatif. Dalam penelitian ini, penulis menggunakan metode BM25 dan K-Nearest Neighbor (KNN) sebagai klasifikasi. Berdasarkan hasil pengujian, sistem ini memiliki nilai F-Measure tertinggi sebesar 66,1% dan nilai akurasi sebesar 66,5%.