CHOIRALLA, Irena (2026) Perbandingan Seleksi Fitur Chi-Square dan Information Gain untuk Klasifikasi Sentimen Program MBG menggunakan K-Nearest Neighbor. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Other (FULL TEXT) SKRIPSI-IRENA CHOIRALLA-24050119120012.rar Restricted to Repository staff only Download (9MB) | Request a copy
	Text 1. COVER.pdf Download (223kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (377kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (375kB)
	Text 5. KATA PENGANTAR.pdf Download (271kB)
	Text 6. ABSTRAK.pdf Download (255kB)
	Text 7. ABSTRACT.pdf Download (298kB)
	Text 8. DAFTAR ISI.pdf Download (282kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (298kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (274kB)

Abstract

Program Makan Bergizi Gratis (MBG) menimbulkan berbagai respon masyarakat
yang dapat dianalisis melalui analisis sentimen. Penelitian ini bertujuan
membandingkan performa metode seleksi fitur Chi-Square dan Information Gain
dalam klasifikasi komentar masyarakat terkait program MBG menggunakan algoritma
K-Nearest Neighbor (KNN). Perbedaan performa antara keduanya dievaluasi
menggunakan Wilcoxon Signed-Rank Test. Data penelitian berupa komentar TikTok
yang diproses melalui tahap preprocessing, pelabelan berbasis leksikon, dan
pembobotan TF-IDF. Evaluasi model menggunakan stratified 10-fold cross validation
dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan
bahwa KNN dengan Chi-Square memperoleh akurasi tertinggi sebesar 77,79%
dibandingkan dengan Information Gain yang memperoleh akuarsi sebesar 77,16%.
Klasifikasi dengan KNN tanpa seleksi fitur juga dilakukan dan memperoleh akurasi
sebesar 76,67%. Hasil penelitian ini dapat disimpulkan bahwa seleksi fitur mampu
meningkatkan performa model, meskipun tidak ditemukan perbedaan yang signifikan
antar model.
Kata Kunci: Analisis Sentimen, Program Makan Begizi Gratis, KNN, Chi-Square,
Information Gain.

(NO. KETERSEDIAAN : 1666/E2/026)

Actions (login required)

View Item