Penerapan Metode K-Nearest Neighbor Untuk Mendeteksi Ujaran Kebencian Dalam Postingan Twitter

Abstrak

Penelitian ini berfokus pada evaluasi efektivitas metode K-Nearest Neighbor (KNN) dalam mendeteksi ujaran kebencian pada platform media sosial, khususnya Twitter. Data tweet dikumpulkan menggunakan API Twitter dan diberi label menggunakan metode Sentistrength untuk menentukan polaritas sentimen. Selanjutnya, metode KNN diterapkan untuk mengklasifikasikan tweet berdasarkan sentimen dengan menggunakan dua rasio pembagian dataset, yaitu 90:10 dan 80:20 untuk data latih dan data uji. Hasil pengujian menunjukkan bahwa performa KNN dalam mendeteksi ujaran kebencian kurang optimal. Pada rasio pembagian dataset 90:10, algoritma ini menghasilkan akurasi sebesar 60,94% dengan nilai F-measure 62%. Sedangkan pada rasio 80:20, akurasi meningkat menjadi 63,02% dengan F-measure sebesar 63%. Berdasarkan hasil ini, dapat disimpulkan bahwa metode KNN memiliki tingkat akurasi yang relatif rendah serta kemampuan yang kurang konsisten dalam mengklasifikasikan data ujaran kebencian di Twitter, khususnya dalam hal keseimbangan antara presisi dan recall.