Salman Alfarisy
Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI ZALORA PADA GOOGLE PLAY MENGGUNAKAN K-NEAREST NEIGHBOR Aditya Zakaria Hidayat; Salman Alfarisy
INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 6 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/wxxp1d36

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Zalora yang diperoleh dari Google Play Store, guna memberikan gambaran persepsi pengguna terhadap aplikasi tersebut. Permasalahan utama adalah bagaimana mengumpulkan dan mengolah data ulasan agar siap dianalisis, serta bagaimana menerapkan algoritma K-Nearest Neighbor (K-NN) untuk klasifikasi sentimen secara akurat. Data dikumpulkan melalui teknik web scraping dan kemudian diproses dengan tahapan preprocessing meliputi tokenisasi, normalisasi, penghapusan stopwords, dan stemming. Algoritma K-NN diterapkan dengan menggunakan representasi fitur TF-IDF untuk mengklasifikasikan ulasan menjadi sentimen positif dan negatif. Untuk meningkatkan akurasi, dilakukan pembobotan kata dengan TF-IDF dan validasi menggunakan metode K-Fold Cross Validation. Hasil penelitian menunjukkan bahwa penerapan metode ini mampu menghasilkan tingkat akurasi yang memadai dalam klasifikasi sentimen ulasan pengguna Zalora. Kesimpulan penelitian menyatakan bahwa klasifikasi sentimen menggunakan K-NN dapat dijadikan dasar pendukung yang valid bagi pengguna aplikasi dalam pengambilan keputusan pembelian. Implikasi penelitian ini adalah memberikan wawasan bagi pengembang aplikasi untuk meningkatkan kualitas layanan berdasarkan feedback pengguna, serta membantu pengguna mendapatkan informasi yang lebih terpercaya. Rekomendasi ke depan adalah pengembangan model dengan algoritma yang lebih kompleks dan penetrasi data yang lebih besar untuk meningkatkan performa.