Penerapan Algoritma K-Nearest Neighbor (KNN) Dengan TF-IDF Untuk Klasifikasi Sentimen Ulasan Produk E-Commerce

Zaskia Maghfira; Muhammad Azhari Mustofa; Muhammad Reza

doi:10.69693/ijim.v4i3.2866

Authors

Zaskia Maghfira Universitas Islam Negeri Sumatera Utara
Muhammad Azhari Mustofa Universitas Islam Negeri Sumatera Utara
Muhammad Reza Universitas Islam Negeri Sumatera Utara

DOI:

https://doi.org/10.69693/ijim.v4i3.2866

Keywords:

Tokopedia, Analisis Sentimen, K-Nearest Neighbor, Term Frequency-Inverse Document Frequency, Ulasan Produk

Abstract

Perkembangan pesat platform perdagangan elektronik di Indonesia, khususnya Tokopedia, menghasilkan jumlah ulasan produk yang sangat besar dan memuat informasi mengenai tingkat kepuasan pelanggan. Banyaknya data tersebut menyebabkan analisis secara manual menjadi kurang efisien, sehingga diperlukan metode otomatis untuk mengidentifikasi kecenderungan sentimen dalam ulasan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan produk di Tokopedia ke dalam tiga kategori, yaitu positif, negatif, dan netral, dengan menerapkan algoritma K-Nearest Neighbor dan metode Term Frequency-Inverse Document Frequency. Dataset yang digunakan terdiri atas 6.000 ulasan produk yang dikumpulkan dari Tokopedia melalui teknik pengambilan data dari halaman web. Tahapan penelitian meliputi pembersihan data, penyeragaman huruf, pemisahan teks menjadi kata, penghapusan kata yang tidak memiliki makna penting, dan pengubahan kata ke bentuk dasar. Selanjutnya, teks diubah menjadi representasi numerik menggunakan metode Term Frequency-Inverse Document Frequency. Data kemudian dibagi menjadi 80 persen data pelatihan dan 20 persen data pengujian. Model klasifikasi diuji menggunakan beberapa nilai jumlah tetangga untuk memperoleh kinerja terbaik. Hasil penelitian menunjukkan bahwa penggunaan lima tetangga menghasilkan akurasi tertinggi sebesar 85 persen dengan nilai rata-rata F1 sebesar 84 persen. Berdasarkan hasil tersebut, kombinasi algoritma K-Nearest Neighbor dan metode Term Frequency-Inverse Document Frequency dapat digunakan untuk mengklasifikasikan sentimen ulasan produk berbahasa Indonesia secara efektif dan cukup baik.

Downloads

Download data is not yet available.

References

Alfaridzi, D. D., Pudjiantoro, T. H., & Santikarama, I. (2025). Implementation of Aspect-Based Sentiment Analysis for Outdoor Gear Product Reviews on the Tokopedia E-Commerce Platform ( Case Study : Eiger Adventure ). 5(2), 173–184.

Algoritma, P., Dan, K. N., Ekstraksi, F., & Analisis, N. D. (2023). KOMPUTA : Jurnal Ilmiah Komputer dan Informatika KOMPUTA : Jurnal Ilmiah Komputer dan Informatika. 12(1), 91–100.

Angelina, S. J., Bijaksana, A., Negara, P., & Muhardi, H. (2023). Analisis Pengaruh Penerapan Stopword Removal Pada Performa Klasifikasi Sentimen Tweet Bahasa Indonesia Analyzing The Impact Of Applying Stopword Removal On Indonesian Tweet Sentiment Classification. 02(1), 165–173. https://doi.org/10.26418/juara.v2i1.69680

Fasttext, E. F., Indobert, T. D. A. N., Metode, P., & Untuk, K. N. (n.d.). Eksplorasi fitur fasttext, tf-idf dan indobert pada metode k-nearest neighbor untuk klasifikasi sentimen 1,2,3,4. 7(1), 49–60.

Fikri, M., & Abidin, Z. (2024). Analysis of the Use of Nazief-Adriani Stemming and Porter Stemming in COVID-19 Twitter Sentiment Analysis with Term Frequency- Inverse Document Frequency Weighting Based on k-Nearest Neighbor Algorithm. 2(2), 80–87. https://doi.org/10.15294/rji.v2i2.74267

Fransiska, S., & Gufroni, A. I. (2020). Sentiment Analysis Provider by . U on Google Play Store Reviews with TF-IDF and Support Vector Machine ( SVM ) Method. 7(2), 203–212.

Hakim, F. L., & Dewi, K. E. (2024). KOMPUTA : Jurnal Ilmiah Komputer dan Informatika PRODUK KECANTIKAN MENGGUNAKAN NEIGHBOR WEIGHTED K-NEAREST NEIGHBOR KOMPUTA : Jurnal Ilmiah Komputer dan Informatika. 13(1), 1–10.

Hondro, R. K. (2023). Analisis Penerapan Text Mining dan TF-IDF dalam Mengetahui Sentimen Masyarakat Terhadap Kinerja POLRI. 3(01), 44–49.

Ismet, H. T., Mustaqim, T., & Purwitasari, D. (2022). Aspect Based Sentiment Analysis of Product Review Using Memory Network. 9(1), 73–83. https://doi.org/10.15294/sji.v9i1.34094

Khatib, J., Dalam, S., Methods, T., Arsyah, U. I., Pratiwi, M., & Muhammad, A. (2024). Twitter Sentiment Analysis of Public Space Opinions using SVM and. 13(1), 387–394.

Kurniawan, R. D., & Muliawan, J. (2024). SENTIMENT ANALYSIS OF INDONESIAN ELECTION 2024 USING THE K-NEAREST NEIGHBOR METHOD. Jurnal Teknik Informatika (Jutif), 5(2 SE-Articles), 653–659. https://doi.org/10.52436/1.jutif.2024.5.2.1934

Nafi', A., Harjanta, A. T., Herlambang, B. A., & Fahmi, S. (2024). Sentiment Analysis of Visitor Reviews on Baturaden Tourist Attraction Using Machine Learning Methods. 11(128), 57–64.

Putri Febrianti, F. A. D., Hamami, F., & Fa’rifah, R. Y. (2023). Jurnal Indonesia : Manajemen Informatika dan Komunikasi ASPECT-BASED SENTIMENT ANALYSIS TERHADAP ULASAN APLIKASI FLIP MENGGUNAKAN PEMBOBOTAN TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY ( TF-IDF ) Abstrak Jurnal Indonesia : Manajemen Informatika dan Komunikasi. 4(3), 1858–1873.

Nafi, A., Tri, A., Harjanta, J., Herlambang, B. A., & Fahmi, S. (2024). Analisis Sentimen Review Pelanggan Lazada dengan Sastrawi Stemmer dan SVM-PSO untuk Memahami Respon Pengguna. 204, 330–339.

Novantika, A. (2022). Analisis Sentimen Ulasan Pengguna Aplikasi Video Conference Google Meet menggunaka n Metode SVM dan Logistic Regression. 5, 808–813.

Pratmanto, D., Wijianto, R., & Widayanto, A. (2025). Komparasi K-Nearest Neighbors ( KNN ) dan Naive Bayes pada Klasifikasi Sentimen Ulasan Aplikasi Tokopedia di Google Play Store. 5(2), 75–80.

Saputra, N. A., Aeni, K., & Saraswati, N. M. (2024). Indonesian Hate Speech Text Classification Using Improved K-Nearest Neighbor with TF-IDF- ICSρF. 11(1), 21–30. https://doi.org/10.15294/sji.v11i1.48085

Saputro, M. B. (2024). Comparison of Naive Bayes Classifier and K-Nearest Neighbor Algorithms with Information Gain and Adaptive Boosting for Sentiment Analysis of Spotify App Reviews. 2(1), 37–44. https://doi.org/10.15294/rji.v2i1.68551

Tandiapa, S. S., & Rorimpandey, G. C. (2026). The Indonesian Journal of Computer Science. 15(1), 1001–1017.

Wenando, F. A., Septiadi, R., Gunawan, R., & Mukhtar, H. (2022). Jurnal Computer Science and Information Technology ( CoSciTech ). 3(2), 152–158.