Klasifikasi Akun Buzzer Menggunakan Algoritma K-Nearest Neighbor pada Tagar #STYTanpaDiasporaNol di Media Sosial X

Abstract

Peningkatan pengguna media sosial X pada tahun 2024 sebesar 639 ribu mengakibatkan penyebaran informasi yang sangat masif, menjadikan buzzer berperan dalam mengarahkan opini publik dan memicu konflik sosial, seperti yang terlihat pada tren #STYTanpaDiasporaNol usai gugurnya tim nasional Indonesia di ASEAN Championship 2024. Penelitian ini bertujuan untuk membangun model machine learning dalam klasifikasi akun buzzer menggunakan algoritma K-Nearest Neighbor (KNN). Data yang akan digunakan dalam penelitian ini berasal dari kumpulan tweet dari sosial media X dalam tagar #STYTanpaDiasporaNol. Penelitian ini memiliki prosedur penelitian, di antaranya pengumpulan data, pra-pemrosesan data (cleaning, labelling, feature engineering dan standardization), splitting data, pemrosesan data, dan evaluasi model. Hasil penelitian ini mendapatkan model dengan akurasi terbaik yaitu varian model perbandingan split data 80:20 dan K = 5 dengan nilai akurasi sebesar 89% serta nilai precision dan recall sebesar 89% lalu nilai F1-score sebesar 88%. Model sangat baik dalam memprediksi kelas mayoritas namun kesulitan dalam memprediksi kelas minoritas. Kemudian dilakukan eksperimen resampling data dengan tujuan membuat keseimbangan data. Hasil didapatkan bahwa varian pada split data 70:30 dengan K = 9 diperoleh akurasi sebesar 91% dengan precision, recall dan accuracy juga sebesar 91%. Model eksperimen ini cukup baik mendeteksi kelas mayoritas maupun kelas minoritas.