Analisis Opini Publik Tentang Cuaca Ekstrem Menggunakan Naïve Bayes dan K-Nearest Neighbor

Abstract

Letak Indonesia yang berada di khatulistiwa dapat menyebabkan rentan terhadap fenomena cuaca ekstrem yang dapat memberikan ancaman. Cuaca ekstrem merupakan fenomena fisik atmosfer pada waktu tertentu dalam jangka waktu yang pendek dan juga bersifat ekstrem. Youtube dapat menjadi sebuah media untuk publik dalam menyampaikan opini kepada pemerintah dalam menghadapi cuaca ekstrem. Analisis sentimen merupakan metode yang digunakan untuk mengekstraksi, menganalisis, dan memproses data tekstual secara otomatis guna mengidentifikasi sentimen dalam suatu opini. Penelitian ini dilakukan bertujuan untuk menganalisis sentimen opini komentar publik di youtube mengenai cuaca ekstrem dengan menggunakan metode Naïve Bayes Multinomial dan K-Nearest Neighbor. Dataset diambil dari komentar di youtube mengenai cuaca ekstrem yang berjumlah 1030 komentar. Hasil penelitian menunjukkan bahwa metode Naïve Bayes Multinomial lebih unggul dengan akurasi 81%, presisi 76%, recall 63%, dan F1-Score 69% dibandingkan metode K-Nearest Neighbor yang hanya mencapai akurasi 51%, presisi 38%, recall 69%, dan F1-Score 69%. Berdasarkan hasil ini, metode Naïve Bayes Multinomial direkomendasikan untuk analisis sentimen opini publik tentang cuaca ekstrem.