<![CDATA[Perkembangan teknologi digital telah mendorong peningkatan penggunaan aplikasi daring, seperti tiket.com, yang umum dimanfaatkan untuk pemesanan tiket dan akomodasi. Ulasan dari pengguna di aplikasi Google Play Store berperan sebagai sumber data yang esensial dalam mengevaluasi kualitas layanan aplikasi tersebut. Penelitian ini dilakukan dengan tujuan untuk mengetahui performa algoritma K-Nearest Neighbor (K-NN) dalam menganalisis sentimen ulasan pengguna tiket.com, dengan dan tanpa penerapan SMOTE sebagai upaya penanganan ketidakseimbangan distribusi kelas positif dan negatif. Data diperoleh melalui teknik web scraping kemudian data melalui tahapan data pre-processing. Selanjutnya, data diklasifikasikan ke dalam dua jenis, yaitu positif dan negatif, berdasarkan nilai rating. Nilai k optimal diperoleh melalui pengujian dengan variasi nilai k yaitu k = 3, 5, 7, dan 9, baik pada data asli maupun data yang telah diolah menggunakan metode SMOTE. Hasil pengujian menunjukkan bahwa penerapan SMOTE secara konsisten meningkatkan akurasi model pada setiap nilai K yang diuji. Nilai K terbaik ditemukan pada k = 5, dengan akurasi sebesar 82,35% pada data tanpa SMOTE dan meningkat menjadi 84,56% setelah diterapkan SMOTE. Hal ini menunjukkan bahwa penggunaan SMOTE berpengaruh terhadap akurasi performa model.]]>
Copyrights © 2025
