Muhammad Fudhail Ferio Supeli
Universitas Nusa Mandiri

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

Found 1 Documents
Search

Klasifikasi Sentimen Positif Dan Negatif Pada Aplikasi Vidio Dengan Algoritma K-Nearest Neighbor Muhammad Fudhail Ferio Supeli; Setiaji Setiaji
Indonesian Journal Computer Science Vol. 2 No. 1 (2023): April 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcs.v2i1.1874

Abstract

Keadaan pada tahun 2022 sekarang masih sedikit diselimuti wabah virus covid-19. Kondisi sekarang mungkin wabah covid-19 mulai menurun, tetapi dengan kebijakan yang dikeluarkan oleh pemerintah sebelumnya membuat beberapa dari masyarakat peminat film dan pertandingan olahraga terlanjur terbiasa di rumah.Vidio adalah sebuah media atau aplikasi yang menyediakan layanan streaming online, berupa film, drama, series, dan ada juga live streaming pertandingan olahraga. Aplikasi ini sekarang sedang banyak diminati pelanggan karena fitur-fitur atau promo yang dikeluarkan sangat menarik. Berhubungan dengan hal tersebut, penelitian terfokus kepada sentimen ulasan pengguna aplikasi vidio di google play store. Penelitian ini bertujuan untuk mengetahui klasifikasi positif dan negatif pada ulasan tersebut, dengan harapan aplikasi vidio bisa berkembang lebih bagus, terlihat sekarang aplikasi Vidio berkembang pesat tetapi masih banyak keluhan yang ditemukan didalam ulasannya. Tujuan penelitian ini diantara lain yaitu mengimplementasikan analisis sentimen dengan menggunakan metode K-Nearest Neighbor dan juga mengklasifikasikan kalimat sentimen pada ulasan ke dalam kelompok positif dan negatif pada aplikasi Vidio. Metode yang digunakan dalam penelitian ini yaitu algoritma K-Nearest Neighbor dengan dua cara perhitungan yaitu manual dan menggunakan tools rapidminer. Hasil yang didapat berdasarkan perhitungan manual yaitu mendapatkan 70% akurasi. Sedangkan dengan menggunakan rapidminer mendapatkan 50% akurasi.