PENERAPAN ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI SENTIMEN REVIEW PRODUK PADA MARKETPLACE SHOPEE

• ABIE NUGRAHA
• 2025

---

Perkembangan e-commerce di Indonesia, khususnya Shopee, mendorong meningkatnya jumlah ulasan produk yang ditulis pengguna. Ulasan tersebut dapat memberikan gambaran kepuasan pelanggan, tetapi jumlahnya yang besar menyulitkan analisis manual. Penelitian ini bertujuan untuk melakukan analisis sentimen pada review produk Shopee menggunakan algoritma K-Nearest Neighbor (KNN) dengan kombinasi tiga basis fitur, yaitu pembobotan TF-IDF, skor rating bintang, dan skor kata berbasis leksikon sentimen. Dataset yang digunakan berjumlah 1.840 ulasan yang dikategorikan menjadi tiga kelas sentimen, yaitu positif, negatif, dan netral. Tahapan preprocessing meliputi case folding, tokenisasi, stopword removal, dan stemming untuk menghasilkan representasi teks yang lebih bersih. Hasil pengujian menunjukkan bahwa algoritma KNN yang dioptimasi mampu memberikan performa yang sangat baik dengan nilai akurasi 99%, precision 0,99, recall 0,99, dan f1-score 0,99 pada nilai parameter k = 8. Hal ini membuktikan bahwa integrasi tiga basis fitur dapat meningkatkan kemampuan klasifikasi dibandingkan penggunaan TF-IDF semata. Dengan demikian, algoritma KNN dengan penggabungan fitur berbasis teks dan numerik terbukti efektif dalam menganalisis sentimen review produk Shopee. Penelitian selanjutnya dapat mengembangkan perbandingan dengan algoritma lain seperti Naïve Bayes, maupun deep learning.

• Kata kunci: Analisis Sentimen
• Shopee
• TF-IDF
• K-Nearest Neighbor
• Skor Kata.

https://repository.bsi.ac.id/repo/73237/PENERAPAN-ALGORITMA-K-NEAREST-NEIGHBOR-UNTUK-KLASIFIKASI-SENTIMEN-REVIEW-PRODUK-PADA-MARKETPLACE-SHOPEE
File full-text dikunci.