Implementasi Algoritma K-Nearest Neighbor (KNN) untuk analisis sentimen pengguna aplikasi Tokopedia

Lillah, M. Rival Ridautal (2023) Implementasi Algoritma K-Nearest Neighbor (KNN) untuk analisis sentimen pengguna aplikasi Tokopedia. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_Cover.pdf Download (95kB) | Preview
Preview	Text (ABSTRAK) 2_Abstrak.pdf Download (60kB) | Preview
Preview	Text (DAFTAR ISI) 3_Daftar Isi.pdf Download (83kB) | Preview
Preview	Text (BAB I) 4_BAB I.pdf Download (142kB) | Preview
	Text (BAB II) 5_BAB II.pdf Restricted to Registered users only Download (176kB) | Request a copy
	Text (BAB III) 6_BAB III.pdf Restricted to Registered users only Download (141kB) | Request a copy
	Text (BAB IV) 7_BAB IV.pdf Restricted to Registered users only Download (659kB) | Request a copy
	Text (BAB V) 8_BAB V.pdf Restricted to Registered users only Download (54kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_Daftar Pustaka.pdf Restricted to Registered users only Download (127kB) | Request a copy

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi Tokopedia di platform Play Store dan App Store menggunakan algoritma K-Nearest Neighbor (KNN). Metodologi penelitian mengadopsi pendekatan CRISP-DM, terdiri dari 5 tahap yaitu Business Understanding, Data Understanding, Data Preparation, Modeling, dan Evaluation. Tahap Business Understanding mengidentifikasi fokus pada peningkatan kualitas layanan dan pemahaman pelanggan terhadap Tokopedia. Data dari 1000 komentar Play Store dan 1000 komentar App Store dipilih sebagai sampel utama, dengan dua label sentimen yaitu positif dan negatif. Pada tahap Data Preparation, data diolah dengan casefolding, cleansing, tokenization,normalisasi, penghapusan stopwords, stemming, dan perhitungan nilai TF-IDF. Tahap Modeling mengeksplorasi hasil prediksi sentimen menggunakan KNN. Eksperimen dengan dataset Play Store menghasilkan variasi performa tergantung pada pembagian data. Skema 80:20 memiliki akurasi tertinggi 0,905. Evaluasi pada dataset App Store menunjukkan konsistensi performa model, dengan skema 90:10 dan 80:20 memiliki akurasi tertinggi masing-masing 0,9 dan 0,88. Perubahan nilai K dan proposisi data dari algoritma KNN ini mempengaruhi nilai akurasi dari tiap eksperimen. Hasil prediksi menunjukkan bahwa terdapat 89,2% prediksi label positif dan 10,8% prediksi label negatif untuk dataset play store. Adapun hasil prediksi pada dataset app store menunjukkan terdapat 97,0% prediksi label positif dan hanya 3,0% prediksi label negatif.

Actions (login required)

View Item