Implementasi Algoritma K-Nearest Neighbor (KNN) untuk Analisis Sentimen Pengguna Aplikasi Tokopedia

Abstract

A marketplace is a platform where sellers can come together and sell their goods or services to customers without physical meetings. In the past few decades, marketplaces have become the most popular platform for business sellers to sell their products. Becoming the number 1 marketplace in Indonesia with the most visitors on average is the right marketplace in 2023, namely Tokopedia. However, most people are skeptical of products they have never purchased or used. User reviews play an important role in product marketing, especially on Tokopedia. Reviews help potential customers build trust in the products and services offered by the seller. To analyze reviews quickly and precisely, a sentiment analysis process is needed. Natural Processing Language (NLP) and text mining algorithms are used to classify reviews as positive, or negative. One of the methods used is the K-Nearest Neighbor (KNN) algorithm, which is used to classify Tokopedia user reviews in the Play Store and App Store. The dataset consists of 1000 comment data from the Play Store and 1000 data from the App Store. A total of 2000 comments consisting of 2 labels, namely positive and negative for modeling. Meanwhile, for testing, there were 885,092 comments from the Play Store and 4000 comments from the App Store. Total 889,092 for unlabeled test data. The prediction results on the app store dataset show that there are 97.0% positive label predictions and only 3.0% negative label predictions.

Abstrak

Marketplace adalah platform tempat penjual dapat berkumpul dan menjual barang atau jasa mereka kepada pelanggan tanpa pertemuan fisik. Dalam beberapa dekade terakhir, pasar telah menjadi platform paling populer bagi penjual bisnis untuk menjual produk mereka. Menjadi marketplace nomor 1 di Indonesia dengan rata-rata pengunjung terbanyak adalah marketplace yang tepat di tahun 2023 yaitu Tokopedia. Namun, kebanyakan orang skeptis terhadap produk yang belum pernah mereka beli atau gunakan. Ulasan pengguna memegang peran penting dalam pemasaran produk, terutama di Tokopedia. Ulasan membantu calon pelanggan membangun kepercayaan terhadap produk dan layanan yang ditawarkan oleh penjual. Untuk menganalisis ulasan dengan cepat dan tepat, diperlukan proses analisis sentimen. Natural Processing Language (NLP) dan algoritma text mining digunakan untuk mengklasifikasikan ulasan sebagai positif, atau negatif. Salah satu metode yang digunakan adalah algoritma K-Nearest Neighbor (KNN), yang digunakan untuk mengklasifikasikan ulasan pengguna Tokopedia di play store dan app store. Dataset terdiri dari 1000 data komentar dari play store dan 1000 data dari app store. Total 2000 komentar yang terdiri dari 2 label yaitu positif dan negatif untuk pemodelan. Sedangkan untuk pengujian 885.092 komentar dari play store dan 4000 komentar dari app store. Total 889.092 untuk data pengujian yang belum dilabeli. Hasil prediksi pada dataset app store menunjukkan terdapat 97,0% prediksi label positif dan hanya 3,0% prediksi label negatif.