ANALISIS SENTIMEN ULASAN MASYARAKAT TERHADAP APLIKASI SIREKAP 2024 PADA GOOGLE PLAY STORE MENGGUNAKAN METODE K-NEAREST NEIGHBORS (KNN)

Pada pemilihan umum lalu, aplikasi Sirekap mengalami serangkaian kegagalan yang mengakibatkan keterlambatan dan ketidakakuratan dalam penyampaian data hasil pemilihan. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan sentimen masyarakat terhadap aplikasi tersebut. Metode yang digunakan adalah K-Nearest Neighbors (KNN) dengan memanfaatkan 21.593 ulasan dari Google Play Store. Tahap penelitian meliputi pengumpulan data, pra-pemrosesan teks berupa cleaning, tokenizing, normalisasi, stopword removal, dan stemming. Pelabelan sentimen dilakukan secara otomatis menggunakan metode lexicon berbobot untuk membagi data menjadi dua kelas, yaitu positif dan negatif. Fitur diekstraksi menggunakan TF-IDF, dan model dievaluasi dengan 10-fold cross-validation sebelum diuji menggunakan rasio 70% data latih dan 30% data uji. Hasil penelitian menunjukkan bahwa adanya ketimpangan kelas (class imbalance) yang ekstrem, dimana sentiment negatif mendominasi 90,1% dataset. Hal ini menyebabkan disparitas performa yang signifikan: model mencapai recall 98,31% untuk kelas negatif namun hanya 50,79% untuk kelas positif. Temuan ini mengindikasikan bahwa meskipun KNN efektif mengenai pola mayoritas, model mengalami bias prediksi terhadap kelas minoritas. Sebagai implementasi akhir, dibuat aplikasi web interaktif untuk mendemonstrasikan model dan menampilkan visualisasi hasil penelitian.