Naomi Lisnaria Simatupang
Universitas Katolik Santo Thomas Medan

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

Found 1 Documents
Search

PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (KNN) UNTUK ANALISIS SENTIMEN PUBLIK TERHADAP SHOPPE Naomi Lisnaria Simatupang; Wirma Naibaho; Sardo Pardingotan Sipayung
Jurnal Dinamika Informatika Vol. 15 No. 2 (2026): Vol. 15 No. 2 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i2.489

Abstract

Media sosial, khususnya Twitter, menjadi sarana penting bagi masyarakat dalam menyampaikan pendapat dan pengalaman mereka terhadap layanan e-commerce seperti Shopee. Informasi yang tersaji dalam bentuk cuitan mengandung sentimen yang dapat dianalisis untuk memahami persepsi publik. Penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbor (KNN) dalam menganalisis sentimen pengguna Twitter terhadap Shopee. Data diperoleh dari cuitan yang relevan, kemudian diproses melalui tahapan preprocessing yang meliputi pembersihan data, penyeragaman huruf, tokenisasi, stemming, serta penghapusan stopword. Data teks selanjutnya direpresentasikan dalam bentuk numerik menggunakan metode Term Frequency Inverse Document Frequency (TF-IDF) sebelum dilakukan klasifikasi sentimen. Hasil penelitian menunjukkan bahwa algoritma K-Nearest Neighbor (KNN) menghasilkan performa klasifikasi yang sangat tinggi, dengan nilai akurasi, precision, recall, dan F1-score mencapai 1,00 pada seluruh kelas sentimen. Hasil ini dipengaruhi oleh karakteristik dataset yang relatif homogen, jumlah data latih yang terbatas, serta pola kalimat yang memiliki kemiripan tinggi antar kelas sentimen, sehingga model mampu mengklasifikasikan data uji secara optimal. Oleh karena itu, hasil ini perlu dipahami dalam konteks keterbatasan dataset yang digunakan