Social media like twitter and facebook do not have the ability to collect information into a conclusion. For that we need an approach in drawing conclusions from sentiments or opinions of K-Popers to obtain information to classify emotions on sentiments or opinions in social media. This research is based on the rules of System Development Life Cycle (SDLC) Prototype by applying the Text Mining Cosine Similarity algorithm. This application is designed using State Transition Diagram (STD) to describe the processes in the application. Later will be tested against the application by using White Box testing method. The test results of 50 status or opinion of K-Popers on social media shows that the Cosine Similarity algorithm is able to classify the types of emotions contained in that status. With the application of the classification of K-Popers status is expected to provide information on how many opinions Happy, Sad, Angry and Neutral circulating on social media twitter and facebook.

Media sosial seperti twitter dan facebook tidak mempunyai kemampuan untuk mengumpulkan informasi menjadi sebuah kesimpulan. Untuk itu dibutuhkan suatu pendekatan dalam menarik kesimpulan dari sentimen atau opini K-Popers untuk mendapatkan informasi untuk mengklasifikasikan emosi pada sentimen atau opini didalam media sosial. Penelitian ini dilakukan berdasarkan kaidah-kaidah Systems Development Life Cycle (SDLC) Prototype dengan menerapkan algoritma Text Mining Cosine Similarity. Aplikasi ini dirancang menggunakan State Transition Diagram (STD) untuk menggambarkan proses-proses didalam aplikasi. Nantinya akan dilakukan pengujian terhadap aplikasi dengan menggunakan metode pengujian White Box. Hasil pengujian terhadap 50 status atau opinini K-Popers pada sosial media menunjukkan bahwa algoritma Cosine Similarity mampu mengklasifikasikan jenis emosi yang terdapat pada status tersebut. Dengan adanya aplikasi pengklasifikasian status K-Popers dapat memberikan informasi seberapa banyak opini Senang, Sedih, Marah dan Netral yang beredar pada media sosial twitter dan facebook.