Penelitian ini mengkaji berbagai tanggapan konsumen terhadap produk yang dijual di Shopee dan dipromosikan melalui Instagram, yang dikategorikan ke dalam sentimen positif dan negatif. Permasalahan yang diangkat adalah bagaimana persepsi publik terhadap produk-produk tersebut berdasarkan ulasan yang diunggah di media sosial Instagram. Metode yang digunakan adalah analisis sentimen dengan algoritma K-Nearest Neighbors (K-NN) serta pendekatan CRISP-DM untuk memastikan proses analisis berjalan secara sistematis dan terstruktur. Data penelitian terdiri dari sejumlah ulasan yang dikumpulkan melalui proses crawling menggunakan teknik pengambilan data otomatis. Hasil penelitian menunjukkan bahwa algoritma K-NN mampu mengklasifikasikan sentimen dengan akurasi 82,80%, presisi sentimen positif sebesar 83,54%, dan presisi sentimen negatif sebesar 23,08%. Temuan ini menandakan bahwa mayoritas ulasan konsumen bersifat positif, mencerminkan kepuasan terhadap kualitas produk, harga, dan pelayanan, meskipun masih terdapat ulasan negatif yang menyoroti kekurangan tertentu. Solusi yang ditawarkan dalam penelitian ini adalah penerapan teknik machine learning untuk mengotomatisasi proses klasifikasi sentimen pada data ulasan yang besar dan tidak terstruktur. Penelitian ini diharapkan dapat memberikan wawasan berharga bagi pelaku bisnis dan pengelola platform e-commerce untuk memahami persepsi konsumen dan menggunakannya sebagai dasar pengambilan keputusan dalam strategi pemasaran dan peningkatan kualitas layanan. Kesimpulannya, K-NN efektif digunakan untuk analisis sentimen ulasan produk Shopee, hasil menunjukkan dominasi sentimen positif.