ANALISIS SENTIMEN REVIEW PELANGGAN MARKETPLACE SHOPEE INDONESIA MENGGUNAKAN METODE ALGORITMA K-NEAREST NEIGHBORS

Abstract

ABSTRAK

            ANALISIS SENTIMEN REVIEW PELANGGAN MARKETPLACE SHOPEE INDONESIA MENGGUNAKAN METODE ALGORITMA K-NEAREST NEIGHBORS. Berbelanja secara on-line sekarang merupakan aktivitas rutin yang terjadi pada masyarakat. Berkembangnya jaman membuat seseorang memilih untuk belanja secara on-line daripada harus melakukan perjalanan ke toko untuk mendapatkan kebutuhan yang diinginkan. Salah satu marketplace yang saat ini berkembang dengan pesat adalah Shopee Indonesia. Shopee Indonesia ditujukan sebagai salah satu pusat perbelanjaan yang dikelola oleh Garena (berubah nama menjadi SEA Group). Bisnis Customer to Customer (C2C) mobile marketplace yang digunakan oleh Shopee memungkinkan kehadirannya dengan mudah diterima oleh semua lapisan masyarakat, termasuk di Indonesia. Semenjak awal peluncurannya, Shopee Indonesia mengalami peningkatan yang sangat pesat, bahkan hingga saat ini aplikasi Shopee menempati urutan kedua baik dari segi pengguna aktif bulanan maupun jumlah download aplikasi Shopee di Indonesia. Sebuah review barang menjadi penting pada setiap barang di sebuah toko on-line, karena hal ini sangat berguna untuk melihat bagaimana umpan balik pembeli sebelumnya melalui sebuah komentar. Komentar positif atau komentar negatif merupakan hal wajar yang terjadi dalam proses review produk. Untuk mengatasi masalah tersebut maka digunakan metode analisis sentimen review produk pada aplikasi Shopee, dimana salah satu algoritma untuk mengklasifikasikan komentar positif atau negatif yaitu algoritma K-Nearest Neighbor (K-NN). Pemilihan metode K-Nearest Neighbor (K-NN) dikarenakan memiliki kelebihan untuk mencapai hasil akurasi rule baik dan sesuai dengan perhitungan berdasarkan aturan yang diterapkan dalam sebuah aplikasi. Dalam penelitian ini menggunakan 150 komentar dimana terbagi menjadi dua yaitu 75 komentar positif dan 75 komentar negatif. Diharapkan dengan penelitian ini dapat mengetahui seberapa besar nilai akurasi yang dihasilkan dengan proses klasifikasi dengan metode K-Nearest Neighbor (K-NN). Hasil dari penelitian ini adalah dengan mendapatkan nilai akurasi dengan menggunakan K-Nearest Neighbor (KNN) adalah sebesar 66.67 %, nilai precission positif sebesar 64,71 %, nilai precission negatif sebesar 69,23 %, nilai recall positif sebesar 73.33 % dan nilai recall negatif sebesar 60 % . Sedangkan Luaran dari penelitian ini adalah jurnal

Kata kunci: Analisis Sentimen, Review Produk, Aplikasi Shopee, Klasifikasi, K-Nearest Neighbor (K-NN)

ABSTRACT

ANALYSIS OF SHOPEE INDONESIA CUSTOMER REVIEW SENTIMENT USING THE K-NEAREST NEIGHBORS ALGORITHM. Online shopping is now a routine activity that occurs in society. The development of the era makes a person choose to shop online instead of having to travel to the store to get the desired needs. One marketplace that is currently growing rapidly is Shopee Indonesia. Shopee Indonesia is intended as a shopping center managed by Garena (changed name to SEA Group). The Customer to Customer (C2C) mobile marketplace business used by Shopee allows its presence to be easily accepted by all levels of society, including in Indonesia. Since its initial launch, Shopee Indonesia has experienced a very rapid increase, even today the Shopee application ranks second both in terms of monthly active users and the number of downloads of the Shopee application in Indonesia. An item review is important for every item in an on- line store, because it is very useful to see how previous buyers feedback through a comment. Positive comments or negative comments are normal things that happen in the product review process. To overcome this problem, the product review sentiment analysis method is used in the Shopee application, where one of the algorithms for classifying positive or negative comments is the K-Nearest Neighbor (K-NN) algorithm. The choice of the K-Nearest Neighbor (K-NN) method is because it has the advantage of achieving good rule accuracy results and in accordance with calculations based on the rules applied in an application. In this study, 150 comments were used which were divided into two, namely 75 positive comments and 75 negative comments. It is hoped that this research can find out how much the accuracy value is generated by the classification process with the K-Nearest Neighbor (K-NN) method. The results of this study are to obtain an accuracy value using the K-Nearest Neighbor (KNN) of 66.67%, a positive precision value of 64.71%, a negative precision value of 69.23%, a positive recall value of 73.33% and a recall value negative by 60%. While the output of this research is a journal

Keywords: Sentiment Analysis, Product Review, Shopee, Classification, K-Nearest Neighbor (K-NN)