<![CDATA[Penggunaan teknologi dalam analisis sentimen terhadap ulasan produk telah menjadi fokus penelitian yang signifikan dalam beberapa tahun terakhir. Penelitian ini bertujuan untuk menganalisis sentimen ulasan produk Herborist menggunakan pendekatan klasifikasi Neighbor dan TF-ID sebagai sistem pengambilan keputusan. Analisis opini konsumen untuk menghasilkan wawasan baru tentang persepsi pengguna terhadap produk skincare Herborist, memberikan kontribusi unik pada bidang analisis sentimen di industri kecantikan. Analisis sentimen menggunakan algoritma K-Neighbor dapatmengklasifikasikan opini berdasarkan kedekatan fitur dengan data terlatih untuk menghasilkan sentimen positif atau negatif. Metode ini memungkinkan untuk menggali pola sentimen dari ulasan konsumen secara efektif. Penelitian ini di awali dengan crawling data dan menghasilkan 1006 data yang akan di proses dalam perhitungan dengan Ms.excel lalu melanjutkan proses dengan menggunakan Bahasa pemrograman Phyton dengan aplikasi google collabs, dibantu dengan library sastrawi. Nilai K yang digunakan adalah 5 Penelitian ini mencakup pengukuran performa (akurasi, presisi,recall dan f-measure) metode KNN dengan berbagai macam nilai K pada objek 1006 data ulasan minyak zaitun herborist. Dapat disimpulkan nilai performa paling baik pada K=5, Dimana tingkat akurasi mencapai 96%, presisi 97%, recall 1.00, dan F-Measure sebesar 99%. The use of technology in sentiment analysis of product reviews has been a significant research focus in recent years. This research aims to analyze the sentiment of Herborist product reviews using the Neighbor classification approach and TF-ID as a decision making system. Consumer opinion analysis to generate new insights into user perceptions of Herborist skincare products, providing a unique contribution to the field of sentiment analysis in the beauty industry. Sentiment analysis using the K-Neighbor algorithm can classify opinions based on the proximity of features to the trained data to produce positive or negative sentiment. This method makes it possible to mine sentiment patterns from consumer reviews effectively. This research began with data crawling and produced 1006 data which would be processed in calculations with Ms. Excel and then continued the process using the Python programming language with the Google Collabs application, assisted by the literary library. The K value used is 5. This research includes performance measurements (accuracy, precision, recall and f-measure) of the KNN method with various K values on 1006 herborist olive oil review data objects. It can be concluded that the best performance value is at K=5, where the accuracy level reaches 96%, precision 97%, recall 1.00, and F-Measure of 99%]]>
