IMPLEMENTASI TEXT CLASSIFICATION DENGAN METODE K NEAREST NEIGHBOUR UNTUK PENGELOMPOKKAN JENIS PELANGGARAN PEMILU
Selviana. J1, Nurzaenab2, Tamra3
selviana19@mhs.akba.ac.id1, nurzaenab@akba.ac.id2, tamra@akba.ac.id
Universitas Teknologi Akba Makassar, Sulawesi Selatan, Indonesia

ABSTRAK
Permasalahan yang terjadi mencakup kompleksitas identifikasi pelanggaran pemilu yang memerlukan pendekatan yang efektif. Tujuan dari penelitian ini adalah untuk meningkatkan akurasi dan ketepatan dalam mengenali jenis pelanggaran pemilu. Data ini diperoleh melalui sumber-sumber terkait pelanggaran pemilu berupa jurnal, internet dan penelitian lapangan di kantor Bawaslu Sulawesi Selatan. Metode yang digunakan dalam penelitian ini memfokuskan implementasi KNN sebagai algoritma klasifikasi untuk mengelompokkan jenis pelanggaran berdasarkan karakteristik teks. Hasil penelitian menunjukkan bahwa implementasi text clasification metode k-Nearest Neighbour bahwa dalam mengklasifikasikan jenis-jenis pelanggaran Pemilu terbukti efektif dengan tingkat akurasi yang memuaskan. Dilihat dari hasil accuracy,precision dan reccall pada percobaan dataset menggunakan evaluasi KNN Optimal. Pada percobaan 1, data training 70% dan data testing 30% menghasilkan akurasi tarining 100.00% dan testing 85.75%. Percobaan 2, data training 80% dan data testing 20% menghasilkan akurasi tarining 100.00% dan testing 87.88%. Percobaan 3, data training 90% dan data testing 10% menghasilkan akurasi tarining 84.93% dan testing 94.12%.
Kata Kunci: Text Classification, K-Nearest Neighbor, Pengelompokan, Jenis Pelanggaran, Pemilu