IMPLEMENTASI K-NEAREST NEIGHBOR BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK ANALISIS SENTIMEN FENOMENA GENERASI SANDWICH

Yanti, Salma Nofri (2024) IMPLEMENTASI K-NEAREST NEIGHBOR BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK ANALISIS SENTIMEN FENOMENA GENERASI SANDWICH. Masters thesis, Universitas Putra Indonesia YPTK Padang.

	Text Tesis_222321052_SALMA NOFRI YANTI_Abstrak.pdf Download (52kB)
	Text Tesis_222321052_SALMA NOFRI YANTI_BAB I.pdf Download (120kB)
	Text Tesis_222321052_SALMA NOFRI YANTI_DaftarPustaka.pdf Download (181kB)
	Text Tesis_222321052_SALMA NOFRI YANTI_Full Text.pdf Restricted to Repository staff only Download (2MB)

Abstract

Fenomena Generasi Sandwich merujuk pada individu yang harus merawat orang tua yang menua sekaligus anak-anak mereka, menciptakan beban ganda yang berdampak pada kehidupan sosial dan ekonomi mereka. Fenomena ini semakin relevan dalam konteks sosial modern, di mana perubahan demografis dan ekonomi mempengaruhi struktur keluarga dan tanggung jawab intergenerasional. Analisis sentimen terhadap percakapan mengenai fenomena ini di media sosial menjadi penting untuk memahami pandangan publik dan implikasinya terhadap kebijakan sosial. Pendekatan yang efektif untuk menganalisis data sentimen dari media sosial dapat memberikan wawasan berharga tentang persepsi dan kebutuhan masyarakat terkait isu ini. Penelitian ini bertujuan mengimplementasikan algoritma K-Nearest Neighbor (KNN) yang dioptimasi dengan Particle Swarm Optimization (PSO) untuk analisis sentimen terkait Generasi Sandwich. KNN dipilih karena kemampuannya dalam klasifikasi berbasis kedekatan data, sementara PSO digunakan untuk mengoptimalkan pemilihan parameter dalam KNN guna meningkatkan akurasi model. Data yang digunakan terdiri dari 450 tweet yang diambil dari Twitter dengan kata kunci "Generasi Sandwich," yang dikategorikan menjadi tiga sentimen yaitu positif, negatif, dan netral. Data tersebut melalui proses praproses seperti pembersihan, tokenisasi, dan stemming sebelum diimplementasikan dalam model KNN. Analisis dilakukan dengan menguji akurasi model KNN dengan K=1 hingga K=12, dan kemudian membandingkan hasilnya dengan K terbaik yang dioptimasi menggunakan PSO. Hasil penelitian menunjukkan bahwa model KNN yang dioptimasi dengan PSO pada rasio dataset 80:20 memberikan akurasi terbaik, yaitu sebesar 78% pada K=3. Penelitian ini menghasilkan sebuah aplikasi web yang memudahkan pengguna untuk melakukan analisis sentimen secara real-time. Aplikasi ini tidak hanya menawarkan kemudahan penggunaan tetapi juga dilengkapi dengan visualisasi data yang intuitif untuk mendukung pemahaman yang lebih dalam terhadap sentimen publik. Implementasi KNN berbasis PSO efektif dalam meningkatkan akurasi analisis sentimen fenomena Generasi Sandwich, dan aplikasi web yang dihasilkan dapat digunakan sebagai alat yang berguna dalam pengambilan keputusan, penelitian lebih lanjut, serta pengembangan strategi sosial. Kata kunci: Generasi Sandwich, Analisis Sentimen, K-Nearest Neighbor, Particle Swarm Optimization, Twitter

Actions (login required)

View Item