Analisis Sentimen Terhadap Ulasan E-Commerce Dengan Menggunakan Algoritma K-Nearest Neighbor Pada Aplikasi Lazada

Abstract

Seiring dengan perkembangan teknologi informasi dan pesatnya pertumbuhan industri e-commerce, masyarakat semakin aktif memberikan ulasan terhadap produk atau layanan yang mereka gunakan. Platform seperti Lazada menjadi salah satu e-commerce yang banyak menerima ulasan dari penggunanya. Ulasan-ulasan ini dapat dianalisis untuk mengetahui sentimen pengguna, baik positif maupun negatif, yang dapat dimanfaatkan untuk meningkatkan kualitas layanan. Namun, pengolahan ulasan dalam jumlah besar secara manual tentu tidak efisien, sehingga diperlukan metode analisis otomatis seperti sentiment analysis. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna pada aplikasi Lazada menggunakan algoritma K-Nearest Neighbor (K-NN). Dataset yang digunakan berjumlah 5.000 ulasan, yang dibagi menjadi 80% data pelatihan (training) dan 20% data pengujian (testing). Proses analisis melibatkan tahap preprocessing teks, ekstraksi fitur menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), serta penerapan algoritma K-NN. Hasil pengujian menunjukkan bahwa nilai K optimal berada pada K-29 dengan akurasi sebesar 83%. Selain itu, metode 30-fold cross validation juga digunakan untuk mengukur stabilitas model, yang menghasilkan rata-rata akurasi sebesar 80,30%. Berdasarkan hasil tersebut, algoritma K-NN terbukti cukup efektif dalam mengklasifikasikan sentimen ulasan e-commerce dan dapat digunakan sebagai dasar pengembangan sistem pendukung keputusan di bidang layanan pelanggan.