Penelitian ini bertujuan melakukan implementasi kombinasi algoritma k-Nearest Neighbor (k-NN) dan Lexicon Based dalam kasus sentimen analisis tanggapan masyarakat tentang acara televisi Indonesia yang diunggah di twitter dengan 3 kelas sentiment yaitu positif, negatif dan netral. Metode yang dipilih adalah metode klasifikasi kombinasi anatara k-Nearest Neighbor (k-NN) dan Lexicon Based. Sebelum melakukan klasifikasi, dilakukan terlebih dahulu tahap pre-processing, pada penelitian ini meliputi cleaning, case folding, tokenizing, normalisasi, stopword removal dan stemming. Kemudian dilakukan pembobotan dengan metode TF-IDF. Dataset yang digunakan berjumlah 200 tweets yang diambil dari tweet mentions 4 stasiun televisi Indonesia yaitu, TVRI, RCTI, SCTV dan ANTV. Program dirancang menggunakan bahasa pemrograman python dengan bantuan framework jupyter notebook. Skenario yang dilakukan menggunakan perbandingan dataset 25:75, 50:50, dan 75:25 dengan nilai k pada algoritma k-NN sebesar k=1, k=3 dan k=5. Hasil terbaik yang didapatkan adalah nilai k=5 pada perbandingan dataset 75:25 dengan akurasi sebesar 90%, error rate 10%, presisi 90,47%, recall 86,36 %, dan f-measures = 0,883.
Kata kunci : k-Nearest Neighbor (k-NN), Lexicon Based, Twitter
Pre-processing, Pyhton