ANALISIS SENTIMEN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR PADA REVIEW APLIKASI SHOPEE
DOI:
https://doi.org/10.31294/conten.v5i2.10116Keywords:
sentiment analysis, algoritma k-nearest neighbors, aplikasi shopeeAbstract
E-commerce merupakan media yang memfasilitasi transaksi komersial antara individu dengan individu maupun antara individu dan organisasi melalui sistem daring. Salah satu bentuk implementasi e-commerce adalah aplikasi Shopee. Shopee dikembangkan sebagai aplikasi berbasis perangkat mobile yang memungkinkan pengguna melakukan aktivitas belanja secara online dengan mudah, sehingga transaksi dapat dilaksanakan dimanapun dan kapanpun. Aplikasi tersebut tentunya mempunyai kekurangan dan kelebihan yang dirasa oleh masyarakat. Dari adanya kekurangan dan kelebihan aplikasi shopee tidak sedikit masyarakat yang memberikan ulasan negatif maupun positif terhadap aplikasi tersebut. Pemanfaatan data dalam jumlah besar dapat dilakukan melalui penerapan teknik Data Mining. Penelitian ini bertujuan untuk menganalisis berbagai masalah yang dituju terhadap pengguna terhadap aplikasi Shopee di Google Play Store serta mengukur tingkat akurasi analisis sentimen yang dihasilkan menggunakan algoritma K-Nearest Neighbors (KNN). Menghasilkan bahwa dengan algoritma KNN diperoleh nilai akurasi Pred.Negatif nilainya sebesar 69,59%. Hasil dari Pred.Positif nilainya sebesar 71,70%. Sedangkan nila accuracy 70,51% dan nilai AUC sebesar 0.804 +/- 0.053 (mikro: 0.804) (positive class: Positif).
E-commerce is a means of commercial transactions between individuals and organizations or a buying and selling transaction conducted online. One example of e-commerce implementation is the Shopee application. Shopee is available in the form of a mobile phone application that makes it easier for users to shop online, allowing access anytime and anywhere. Of course, this application has advantages and disadvantages perceived by the public. Due to the application’s strengths and weaknesses, many users provide both positive and negative reviews of the app. Techniques for utilizing large amounts of data can be applied through Data Mining. The purpose of this research is to analyze issues related to several reviews of the Shopee application on Google Play Store and to determine the accuracy results of sentiment analysis generated using the KNN (K-Nearest Neighbors) algorithm. The result showed that with KNN algorithm obtained the value of Pred. Negative accuracy value of 69.59%. Results from Pred. Positive value of 71.70%. While accuracy value 70.51% and AUC value of 0804 +/-0053 (Micro: 0804) (positive class: positives).
References
D. N. I. Huda And C. Prianto, “Analisis Sentimen Layanan Jasa Pengiriman Pada Ulasan Playstore: Systematic Literature Review,” Jurnal Informatika dan Teknologi Komputer, Vol. 04, No. 02, Pp. 87–98, 2023, [Online]. Available: Https://Ejurnalunsam.Id/Index.Php/Jicom/
I. H. Kusuma And N. Cahyono, “Analisis Sentimen Masyarakat Terhadap Penggunaan E-Commerce Menggunakan Algoritma K-Nearest Neighbor,” Vol. 8, No. 3, 2023.
J. Josen, “Analisis Klasifikasi Sentimen Ulasan Pada E-Commerce Shopee Berbasis Word Cloud Dengan Metode Naive Bayes Dan K-Nearest Neighbor,” Salatiga, Jan. 2022.
Kabiru, I. N., & Sari, P. K. (2019). Analisa Konten Media Sosial E-Commerce Pada Instagram Menggunakan Metode Sentimen Analysis Dan LDA-Based Topic Modeling (Studi Kasus:Shopee Indonesia). E-Proceeding of Management, 6(1), 12–19. Retrieved from https://libraryeproceeding.telkomuniversity.ac.id/index.php/management/article/view/8498
M. Fudhail Ferio Supeli And Setiaji, “Klasifikasi Sentimen Positif Dan Negatif Pada Aplikasi Vidio Dengan Algoritma K-Nearest Neighbor,” Indonesian Journal Computer Science, Vol. 2, No. 1, pp. 7-15, Apr. 2023.
M. F. El Firdaus, Nurfaizah, And Sarmini, “Analisis Sentimen Tokopedia Pada Ulasan Di Google Playstore Menggunakan Algoritma Naïve Bayes Classifier Dan K-Nearest Neighbor,” Jurikom (Jurnal Riset Komputer), Vol. 9, No. 5, P. 1329, Oct. 2022, Doi:10.30865/Jurikom.V9i5.4774.
M. N. Muttaqin And I. Kharisudin, “Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine Dan K Nearest Neighbor,” Unnes Journal Of Mathematics, Vol. 10, No. 2, Pp. 22–27, 2021, [Online]. Available: Http://Journal.Unnes.Ac.Id/Sju/Index.Php/Uj
Noviana, D., Susanti, Y., & Susanto, I. (2019). Analisis Rekomendasi Penerima Beasiswa Menggunakan Algoritma K-Nearest Neighbor (K-NN) dan Algoritma C4.5. Retrieved from http://jurnal.umt.ac.id/index.php/cpu/ar ticle/view/1685/1078
Pradnyana, G. A., & Permana, A. A. J. (2018). Sistem Pembagian Kelas Kuliah Mahasiswa Dengan Metode K Means Dan K-Nearest Neighbors Untuk Meningkatkan Kualitas Pembelajaran. JUTI: Jurnal Ilmiah Teknologi Informasi, 16(1), 59. https://doi.org/10.12962/j24068535.v16i1.a696
Santosa, A., Dewi, K., & Mahardika, R. (2022). Analisis Sentimen dan Eksplorasi Isu Aplikasi Digital. Jurnal Teknologi Informasi dan Komputer.https://ejurnal.teknokrat.ac.id/index.php/komtek/article/viw/1390
Sari, P., & Wulandari, S. (2020). Preprocessing Teks untuk Analisis Sentimen Review Produk E Commerce. Jurnal Informatika.https://jurnal.unimus.ac.id/index.php/infokam/article/view/5556
Susanto, E. S., Kusrini, & Fatta, H. Al. (2018). Prediksi Kelulusan Mahasiswa Magister Teknik Informatika Universitas Amikom Yogyakarta Menggunakan Metode K-Nearest Neighbor. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), XIII, 67–72. Retrieved from http://jti.respati.ac.id/index.php/jurnaljti/article/view/260/239.
Syahid, D., Jumadi, & Nursantika, D. (2016). Sistem Kasifikasi Jenis Tanaman Hias Daun Philodenron Menggunakan Metode K-Nearest Neighboor (KNN) Berdasarkan Nilai Hue, Saturation, Value (HSV). Jurnal JOIN, I(1), 20–23. Retrieved from http://join.if.uinsgd.ac.id/index.php/join/article/view/6
Whidhiasih, R. N., Wahanani, N. A., & Supriyatno. (2013). Klasifikasi buah belimbing berdasarkan citra red-green-blue menggunakan knn dan lda. Jurnal Penelitian Ilmu Komputer, 1(1), 29–35. Retrieved from https://doi.org/10.1109/CESCE.2010.68
Yanto, robi. (2018). Implementasi Data Mining Estimasi Ketersediaan Lahan Pembuangan Sampah menggunakan Algoritma Regresi Linear. Jurnal Resti, 2(1), 361–366. Retrieved from http://jurnal.iaii.or.id/index.php/RESTI/article/view/282
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Fanny Fatma Wati, Nadiyah Hidayati, Mawadatul Maulidah, Andrian Eko Widodo, Rachmawati Darma Astuti
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
