Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan ILKOM Jurnal Ilmiah
Anggi Alberto
Universitas Gunadarma
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan

 1 
Analisis Sentimen Produk Permainan menggunakan Metode TF-IDF dan Algoritma K-Nearest Neighbor Rifki Kosasih; Anggi Alberto
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 6, No 1 (2021): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v6i1.3893

Abstract

Pada situs belanja online, terdapat kolom komentar atau rating dari pembeli yang telah melakukan transaksi pada produk tersebut. Dengan adanya fitur penilaian produk berdasarkan rating tersebut, pihak pembeli dapat mengetahui seberapa baik atau buruknya produk tersebut. Akan tetapi muncul permasalahan dimana ada beberapa pembeli memberikan komentar negatif dengan rating sebesar lima bintang ataupun sebaliknya, hal tersebut menyebabkan fitur penilaian produk berdasarkan rating menjadi kurang baik. Oleh karena itu untuk dapat mengetahui kualitas produk tersebut dilakukan analisis sentimen dengan metode TF-IDF dan K-Nearest Neighbor (KNN) berdasarkan ulasan dari pembeli. Data yang dikumpulkan adalah 1000 ulasan yang dibagi menjadi 700 data latih dan 300 data uji. Tahapan selanjutnya dilakukan teks preprocessing seperti case folding (mengubah huruf besar menjadi kecil), tokenizing (pemisahan kalimat menjadi kata tunggal), stopword (menghilangkan kata sambung hasil tokenizing yang tidak ada hubungannya dalam analisis sentimen),  stemming (mengubah kata ke bentuk kata dasar) dan pembobotan kata dengan TF-IDF. Tahapan terakhir adalah melakukan klasifikasi dengan menggunakan metode K Nearest Neighbor (K-NN). Berdasarkan hasil klasifikasi diperoleh tingkat akurasi sebesar 79,3333%.
Co-Authors Rifki Kosasih