Clickbait menjadi salah satu cara untuk mencari uang dengan meningkatkan traffic pengunjung dan pengunjung. Praktik clickbait pada saat ini sudah merambah pada dunia jurnalistik sedangkan sistem berita media online berbeda dengan media cetak. Sama halnya dengan media online lainnya, clickbait ini memberikan pengaruh besar terhadap penyedia berita karena rasa keingintahuan dari para pembaca dan sulitnya para pembaca memilih berita clickbait atau bukan clickbait. Praktik clickbait ini sendiri sangat di andalkan oleh penyedia situs berita yang menggunakan judul-judul yang menjebak untuk menarik para pembaca. Berdasarkan masalah tersebut dilakukan penelitian untuk mengklasifikasikan berita clickbait menggunakan metode K-Nearest Neighbors (K-NN).Dari hasil penelitian yang dilakukan, diperoleh hasil terbaik pada jumlah k = 11 dengan menggunakan skenario 1 pada data pembagian dengan jumlah data sebanyak 800 data dan 200 data uji yang menghasilkan akurasi sebesar 71%, ketepatan 72%, dan ingat 71%. Hal ini menunjukkan bahwa klasifikasi berita clickbait dapat di klasifikasikan menggunakan K-Nearest Neighbor.

Presiden Indonesia saat ini telah memegang jabatan yang sama selama 2 periode secara berturut – turut yang mana pada dasar peraturan untuk menjadi calon presiden sudah tidak bisa mencalonkan kembali menjadi presiden, dalam hal itu banyak lembaga survei yang telah mengeluarkan hasil survei terhadap beberapa tokoh yang memiliki elektabilitas untuk bisa menjadi calon presiden, berdasarkan hal tersebut juga banyak warganet yang menyampaikan pendapat, dari pendapat tersebut bisa dibuat kesimpulan mengenai sentimen warga masyarakat terhadap suatu tokoh bakal calon presiden tersebut dengan menggunakan metode Knowledge Discovery from Data dengan menggunakan algoritme naïve bayes dan perhitungan skor sentimen dengan harapan dari penelitian ini bisa memberikan bahan referensi kepada masyarakat dalam memilih presiden di pilpres yang akan datang. Hasil dari penelitian ini mendapatkan kesimpulan bahwa warganet memiliki sentimen positif terhadap setiap tokoh bakal calon presiden yang akan datang. Kemudian untuk hasil evaluasi dari algoritme naïve bayes yang didapatkan dari dataset pertama adalah 73,68 akurasi dan AUC 0,74 pada fold ke-7, dataset kedua adalah 71,43 untuk akurasi dan AUC 1,0 pada fold ke – 5, untuk dataset ketiga nilai akurasi yang didapat 60% dan AUC 0,92 pada fold ke-1, dan untuk dataset terakhir nilai akurasi yang didapatkan adalah 62,5% dan AUC 0,65 pada fold ke-3.

MOLA is one of the video streaming platform applications on the google play store. The mola application has been downloaded 5 million times but only has a 3.2 rating. On the Google Play Store app rating is followed by user reviews of the app. There are quite a lot of reviews that are unstructured and contain opinions from users about their satisfaction with the application so that it is often taken into consideration by potential users to choose the application used. Based on this, sentiment analysis was carried out using the Support Vector Machine algorithm to find out how the sentiments of users towards the MOLA application on the google play store were carried out. This study uses the Knowledge Discovery in Database (KDD) method. The data used is a review of the MOLA application with as many 520 data consisting of 312 positive reviews and 208 negative reviews. The best results are obtained in scenario 1 (90:10) using the RBF (Radial Basis Function) kernel which produces 92.31% accuracy, 96.3% precision, 89.66% recall, and 92.86% f1-score.   Keywords: Sentiment Analysis, Support Vector Machine, MOLA

Technological developments are increasingly rapid, this makes it easier to communicate information and shopping transactions, one of the innovations that are being adopted is digital services, such as self-service. One of the self-services is myim3 which is a product of PT Indosat Ooredoo Hutchison as an internet network service provider company, with the increasing number of users of the application, many opinions or public sentiments are shared in the comments or reviews column, therefore it is necessary to analyze this MyIM3 application review to find out public opinion about the application. The review data is obtained from the Google Play website which is retrieved using the scraping method with the help of 3rd party libraries in python. The amount of data obtained in this study was 3484 data. Experts assist in data labeling to determine positive and negative. In the preprocessing stage, the data is cleaned to reduce the less influential attributes. In the next stage, perform the transformation process with TF-IDF. The classification process is divided into several scenarios with the algorithm used as a support vector machine with 2 kernels, linear and RBF. The best results are in the scenario (70:30) for the linear kernel with 87% accuracy and the scenario (90:10) with 87% accuracy in the RBF kernel. The classification process produces the most frequently occurring words in each sentiment class which is visualized with a word cloud. The word "good" is the most dominant in the positive review data, while the word "network" is the most dominant in the harmful review data of the MyIM3 application

No abstract