Analisis Sentimen Produk Permainan menggunakan Metode TF-IDF dan Algoritma K-Nearest Neighbor

Pada situs belanja online, terdapat kolom komentar atau rating dari pembeli yang telah melakukan transaksi pada produk tersebut. Dengan adanya fitur penilaian produk berdasarkan rating tersebut, pihak pembeli dapat mengetahui seberapa baik atau buruknya produk tersebut. Akan tetapi muncul permasalahan dimana ada beberapa pembeli memberikan komentar negatif dengan rating sebesar lima bintang ataupun sebaliknya, hal tersebut menyebabkan fitur penilaian produk berdasarkan rating menjadi kurang baik. Oleh karena itu untuk dapat mengetahui kualitas produk tersebut dilakukan analisis sentimen dengan metode TF-IDF dan K-Nearest Neighbor (KNN) berdasarkan ulasan dari pembeli. Data yang dikumpulkan adalah 1000 ulasan yang dibagi menjadi 700 data latih dan 300 data uji. Tahapan selanjutnya dilakukan teks preprocessing seperti case folding (mengubah huruf besar menjadi kecil), tokenizing (pemisahan kalimat menjadi kata tunggal), stopword (menghilangkan kata sambung hasil tokenizing yang tidak ada hubungannya dalam analisis sentimen), stemming (mengubah kata ke bentuk kata dasar) dan pembobotan kata dengan TF-IDF. Tahapan terakhir adalah melakukan klasifikasi dengan menggunakan metode K Nearest Neighbor (K-NN). Berdasarkan hasil klasifikasi diperoleh tingkat akurasi sebesar 79,3333%