<![CDATA[Di era digital saat ini, ulasan pengguna pada platform e-commerce seperti Shopee telah menjadi salah satu sumber informasi non-keuangan yang penting dalam menilai persepsi konsumen terhadap produk maupun layanan. Informasi ini memiliki nilai strategis dalam sistem informasi akuntansi, khususnya dalam mendukung pengambilan keputusan berbasis data pelanggan. Namun, tantangan utama yang dihadapi adalah besarnya volume data ulasan yang tidak terstruktur. Oleh karena itu, penelitian ini bertujuan untuk mengeksplorasi metode yang efektif dalam mengklasifikasikan sentimen ulasan pengguna aplikasi Shopee sebagai data non-keuangan yang dapat digunakan dalam sistem informasi akuntansi manajerial. Penelitian ini memanfaatkan kombinasi teknik Natural Language Processing (NLP) dan algoritma K-Nearest Neighbors (KNN). Data ulasan dikumpulkan melalui proses crawling dari Google Play Store menggunakan pustaka google-play-scraper. Data tersebut kemudian diproses melalui serangkaian tahapan NLP seperti case folding, tokenization, normalisasi, penghapusan stopword, dan stemming. Untuk ekstraksi fitur, digunakan metode TF-IDF dan Cosine Similarity untuk menghasilkan representasi vektor yang sesuai dengan kebutuhan klasifikasi. Model KNN digunakan untuk mengklasifikasikan sentimen berdasarkan data latih, dengan pengujian pada berbagai nilai n_neighbors. Hasil penelitian menunjukkan bahwa model dengan n_neighbors = 9 menghasilkan akurasi 88%, presisi 85%, recall 86%, dan F1-score 85%.Temuan ini menunjukkan bahwa kombinasi NLP dan KNN efektif dalam mengklasifikasikan sentimen ulasan pengguna, serta berpotensi besar untuk diterapkan sebagai bagian dari sistem informasi akuntansi guna memperkuat analisis non-keuangan dalam mendukung evaluasi kinerja penjualan dan pengambilan keputusan manajerial.]]>
