KLASIFIKASI SENTIMEN POSITIF DAN NEGATIF PADA APLIKASI VIDIO DENGAN ALGORITMA K-NEAREST NEIGHBOR

• MUHAMMAD FUDHAIL FERIO SUPELI

---

ABSTRAK

ABSTRAK

Muhammad Fudhail Ferio Supeli (11182757), Klasifikasi Sentimen Positif dan Negatif Pada Aplikasi Vidio Dengan Algoritma KNearest Neighbor

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.

Kata Kunci : Vidio, K-Nearest Neighbor, Rapidminer

KATA KUNCI

Algoritma K-Nearest Neighbor

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] A. Dwiki Adhi Putra and S. Juanita, “Analisis Sentimen Pada Ulasan Pengguna Aplikasi Bibit Dan Bareksa Dengan Algoritma KNN,” J. Tek. Inform. dan Sist. Inf., vol. 8, no. 2, pp. 636–646, 2021.

[2] J. A. Septian, T. M. Fahrudin, and A. Nugroho, “Analisis Sentimen Pengguna Twitter Terhadap Polemik PersepakbolaanIndonesiaMenggunakanPembobotan TF-IDF dan K-Nearest Neighbor,” J. Intell. Syst. Comput., vol. 1, no. 1, pp. 43–49, 2019.

[3] N. Agustina C.A, D. Herlina Citra, W. Purnama, C. Nisa, and A. Rozi Kurnia, “Implementasi Algoritma Naive Bayes untuk Analisis Sentimen Ulasan Shopee pada Google Play Store,” MALCOMIndonesian J. Mach. Learn. Comput. Sci., vol. 2, no. 1, pp. 47–54, 2022.

[4] B. B. Baskoro, I. Susanto, and S. Khomsah, “Analisis Sentimen Pelanggan Hotel di Purwokerto Menggunakan Metode Random Forest dan TF-IDF (Studi Kasus: Ulasan Pelanggan Pada Situs TRIPADVISOR),” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 3, no. 2, pp. 22–29, 2021.

[5] B. Gunawan Sudarsono, M. Ignatius Leo, A. Santoso, and F. Hendrawan, “ANALISIS DATA MINING DATA NETFLIX MENGGUNAKAN APLIKASI RAPID MINER,” J. Bus. Audit Inf. Syst., vol. 4, no. 1, pp. 13– 21, 2021.

[6] Y. Ambar S, Kusrini, and Henderi, “Penerapan Algoritma K-Nearest Neighbour Dalam Menentukan Pembinaan Koperasi Kabupaten 38 Kotawaringin Timur,” Univ. AMIKOM Yogyakarta, vol. 5, no. 3, pp. 232– 241, 2018.

[7] A. Nikmatul Kasanah, Muladi, and U. Pujianto, “Penerapan Teknik SMOTE untuk Mengatasi Imbalance Classdalam Klasifikasi Objektivitas Berita Online Menggunakan Algoritma KNN,” J. RESTI (Rekayasa Sist. dan Teknol. Inf., vol. 3, no. 2, 2019.

[8] M. Nishom, “Perbandingan Akurasi Euclidean Distance, Minkowski Distance, dan Manhattan Distance pada Algoritma KMeans Clustering berbasis Chi-Square,” J. Inform. J. Pengemb. IT, vol. 04, no. 01, pp. 20–24, 2019.

[9] A. Saleh, A. F K Sibero, and I. H G Manurung, “PENGENALAN TANAMAN HERBAL MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTIZATION DAN MANHATTAN DISTANCE,” J. TEKESNOS, vol. 3, no. 2, pp. 271–276, 2021.

[10] R. Sari, “Analisis Sentimen Pada Review Objek Wisata Dunia Fantasi menggunakan Algoritma K-Nearest Neighbor (K-NN),” Evolusi J. Sains dan Manaj., vol. 8, no. 1, pp. 10–17, 2020.

[11] A. Salam, J. Zeniarja, and R. S. U. Khasanah, “ANALISIS SENTIMEN DATA KOMENTAR SOSIAL MEDIA FACEBOOK DENGAN KNEAREST NEIGHBOR (STUDI KASUS PADA AKUN JASA EKSPEDISI BARANG J&T EKSPRESS INDONESIA),” Pros. SINTAK 2018, vol. 2, 2018.

[12] R. Kosasih and A. Alberto, “Analisis Sentimen Produk Permainan 39 Menggunakan Metode TF-IDF Dan Algoritma K-Nearest Neighbor,” InfoTekJar J. Nas. Inform. dan Teknol. Jar., vol. 6, no. 1, pp. 135–139, 2021.

[13] D. S. Siyoto and M. Ali Sodik M.A, DASAR METODOLOGI PENELITIAN. 2015.

[14] P. D. Sugiyono, METODE PENELITIAN KUANTITATIF KUALITATIF DAN R&D. 2013.