Pengembangan Sistem Analisis Sentimen Berbasis Java Pada Data Twitter Terhadap Omnibus Law Menggunakan Algoritma Naïve Bayes dan K-Nearst Neighbor (K-NN)

Undang-undang Cipta Kerja Omnibus law telah di sah kan, pengesahan tersebut mendapat penolakan dari berbagai elemen masyarakat. Hal itu disebabkan Omnibus Law UU Cipta Kerja, dinilai akan membawa dampak buruk bagi tenaga kerja atau buruh. Oleh karena itu peneliti melakukan analisis sentimen dalam bidang data mining terhadap UU Cipta Kerja Omnibus law pada media sosial Twitter. Penulis menggunakan metode Naive Bayes dan KNN sebagai algoritma yang diterapkan dalam system berbasis java untuk memperbandingkan tingkat akurasi dari kedua metode tersebut. Peneliti menggunakan metode web scrapping untuk proses penggambilan data dari twitter secara real time. Hasil penelitian menunjukan bahwa analisis sentimen terhadap data Twitter terhadap UU Cipta Kerja Ombibus law dengan menggunakan metode Naive Bayes mencapai tingkat akurasi 75% dengan class precision untuk pred. positive adalah 57%, pred negative adalah 72%, dan pred. neutral adalah 54%. Lalu pada metode KNN tingkat akurasi mencapai 88%. Dimana class precision untuk pred. positive adalah 94%, pred negative adalah 61%, dan pred. neutral adalah 58%.