KLASIFIKASI OPINI MASYARAKAT TERHADAP VIDEO DOKUMENTER DIRTY VOTE DENGAN ALGORITMA KNN(K-NEAREST NEIGHBOR) DAN NAÏVE BAYES

Abstract

Penelitian ini menggabungkan 2 algoritma yaitu algoritma K-Nearest Neighbor (KNN) dan Naïve Bayes dalam mengklasifikasikan opini masyarakat terhadap video dokumenter "Dirty Vote". KNN mengklasifikasikan data berdasarkan kemiripan dengan data yang ada, sementara Naïve Bayes menggunakan pendekatan probabilistik dengan asumsi independensi antar fitur. Tujuan penelitian ini adalah mengevaluasi efektivitas dan akurasi kedua algoritma dalam analisis sentimen. Hasil menunjukkan Naïve Bayes lebih mendapatkan tingkat akurasi sebesar 0.76. Kesimpulannya, Klasifikasi Opini Masyarakat terhadap Video Dirty Vote dengan menggunakan Algoritma KNN dan Naïve Bayes sangat penting dan bermanfaat untuk meningkatkan edukasi masyarakat mengenai pentingnya integritas pemilu dan mendorong partisipasi aktif dalam proses demokrasi, sehingga memperkuat sistem demokrasi dan memastikan suara masyarakat didengar dalam pengambilan keputusan politik.