Analisis Kualitas Produk Skincare Focallure berdasarkan Review Pengguna di Platform Shopee menggunakan Metode K-Nearest Neighbor (KNN) dan Naive Bayes Classifier (NBC)
DOI:
https://doi.org/10.32493/joaiia.v7i1.57201Keywords:
Analisis Sentimen, Focallure, Shopee, Metode K-Nearest Neighbor, Metode Naive Bayes ClassifierAbstract
Perkembangan platform e-commerce meningkatkan jumlah ulasan pengguna terhadap produk skincare, termasuk Focallure di Shopee, sehingga diperlukan analisis sentimen untuk memahami kualitas produk secara objektif. Penelitian ini bertujuan mengklasifikasikan sentimen ulasan pengguna ke dalam kategori positif, negatif, dan netral menggunakan algoritma K-Nearest Neighbor (KNN) dan Naive Bayes Classifier (NBC), serta membandingkan performa keduanya. Data diperoleh melalui web scraping sebanyak 1.000 ulasan dan setelah proses cleaning diperoleh 511 data valid yang dibagi menjadi 408 data training dan 102 data testing. Tahapan analisis meliputi preprocessing teks, pembobotan TF-IDF, dan evaluasi menggunakan Confusion Matrix. Hasil pengujian menunjukkan bahwa Naive Bayes Classifier memperoleh akurasi sebesar 87%, lebih tinggi dibandingkan K-Nearest Neighbor sebesar 83%, sehingga NBC dinilai lebih optimal dalam mengklasifikasikan sentimen ulasan produk skincare Focallure di Shopee.
References
[1] K. F. Kyswantoro, R. Arifin, and A. R. Slamet, “Pengaruh Citra Merek, Kualitas Produk, dan Harga Terhadap Keputusan Pembelian Produk Kosmetik Focallure Berdasarkan Review Influencer Tasya Farasya (Studi Pada Wanita Yang Melakukan Pembelian Di Online Shope Shopee),” J. Ilm. Ris. Manaj., vol. 10, no. 1, pp. 32–45, 2021, [Online]. Available: http://riset.unisma.ac.id/index.php/jrm/article/view/9590
[2] S. Alfaris and Kusnawi, “Komparasi Metode KNN dan Naive Bayes Terhadap Analisis Sentimen Pengguna Aplikasi Shopee,” Indones. J. Comput. Sci., vol. 12, no. 5, pp. 2766–2776, 2023, doi: 10.33022/ijcs.v12i5.3304.
[3] Y. MZ, J. Edwin Bororing, S. Rahayu, and J. Andhika Putra, “Analisis Sentimen Pengguna Apliaksi Shopee Menggunakan Metode Naive Bayes Classifier dan K-NN,” Smart Comp Jurnalnya Orang Pint. Komput., vol. 12, no. 3, pp. 745–753, 2023, doi: 10.30591/smartcomp.v12i3.5494.
[4] L. Susanti and A. Akrom, “Analisis Sentimen Review Pelanggan Marketplace Shopee Indonesia Menggunakan Metode Algoritma K-Nearest Neighbors,” J. ESIT (E-Bisnis, Sist. Informasi, Teknol. Informasi), vol. 18, no. 2, pp. 80–85, 2023, [Online]. Available: https://openjournal.unpam.ac.id/index.php/ESIT/article/view/32740
[5] A. H. Hasugian, M. Fakhriza, and D. Zukhoiriyah, “Analisis Sentimen Pada Review Pengguna E-Commerce Menggunakan Algoritma Naïve Bayes,” J-SISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist. Komput. TGD), vol. 6, no. 1, p. 98, 2023, doi: 10.53513/jsk.v6i1.7400.
[6] I. K. Arya Sugianta and Ni Kadek Winda Patrianingsih, “Evaluasi Naïve Bayes dan K-Nearest Neighbor dalam Klasifikasi Sentimen Ulasan Produk Skincare MSGLOW di Tokopedia,” ProTekInfo(Pengembangan Ris. dan Obs. Tek. Inform., vol. 12, no. 1, pp. 22–29, 2025, doi: 10.30656/protekinfo.v12i1.10302.
[7] M. M. Rani and F. Candra, “Analisis Sentimen Ulasan Toko Online Halona Beauty Care Untuk Peningkatan Layanan Menggunakan Algoritma Naïve Bayes,” INOVTEK Polbeng - Seri Inform., vol. 8, no. 2, p. 215, 2023, doi: 10.35314/isi.v8i2.3348.
[8] Y. Irawan, “Penerapan Algoritma Decision Tree C4.5 Untuk Memprediksi Kelayakan Calon Pendonor Melakukan Donor Darah Dengan Klasifikasi Data Mining,” JTIM J. Teknol. Inf. dan Multimed., vol. 2, no. 4, pp. 181–189, 2021, doi: 10.35746/jtim.v2i4.75.
[9] Z. Nabila, Z., Isnain, A.R., Permata, P., & Abidin, “ANALISIS DATA MINING UNTUK CLUSTERING KASUS COVID-19 DI PROVINSI LAMPUNG DENGAN ALGORITMA K-MEANS.,” J. Teknol. Dan Sist. Inf., pp. 100–108, 2021.
[10] S. Ulya, A. Ridwan, W. Cholid Wahyudin, and F. M. Hana, “Text Mining Sentimen Analisis Pengguna Aplikasi Marketplace Tokopedia Berdasar Rating dan Komentar Pada Google Play Store,” J. Bisnis Digit. dan Sist. Inf., vol. 3, no. 2, pp. 33–40, 2022, [Online]. Available: https://ejr.umku.ac.id/index.php/BIDISFO/article/view/1799
[11] Z. Darwis, D., Siskawati, N., & Abidin, “Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional,” J. TEKNO KOMPAK, vol. 15, no. 1, pp. 131–145, 2021, [Online]. Available: https://doi.org/10.33365/jtk.v15i1.744
[12] H. Sibyan and N. Hasanah, “Analisis Sentimen Ulasan Pada Wisata Dieng Dengan Algoritma K-Nearest Neighbor (K-Nn),” J. Penelit. dan Pengabdi. Kpd. Masy. UNSIQ, vol. 9, no. 1, pp. 38–47, 2022, doi: 10.32699/ppkm.v9i1.2218.
[13] M. Furqan, Sriani, S. Mayang Sari, and P. Ilmu Komputer Fakultas Sains dan Teknologi, “Analisis Sentimen Menggunakan K-Nearest Neighbor Terhadap New Normal Masa Covid-19 Di Indonesia Sentiment Analysis using K-Nearest Neighbor towards the New Normal During the Covid-19 Period in Indonesia,” Techno.COM, vol. 21, no. 1, pp. 52–61, 2022, [Online]. Available: www.tripadvisor.com
[14] A. Herdhianto, Sentiment Analysis Menggunakan Naïve Bayes Classifier (NBC) pada Tweet Tentang Zakat. 2020.
