Algoritma K-Nearest Neighbor Pada Analisa Sentimen Review Produk Router

Review komentar yang telah dikumpulkan datanya dan akan diproses yaitu berupa text positif dan text negatif yang dilakukan pada pengklasifikasian data menggunakan k-Nearest Neighbors (k-NN) method. k-NN method merupakan salah satu algoritma yang cukup tepat untuk pengenalan pola data pada klasifikasi text. Pertumbuhan penggunaan router yang lekat berkaitan dengan kegiatan harian bagi pengguna laptop, smartphone dan tablet agar jaringan internet dapat dijalankan secara optimal, karena fungsi router yaitu dapat mengelola lalu lintas antar jaringan dengan meneruskan paket data ke alamat IP yang dituju. Maka dari itu peneliti mencoba memberikan kemudahan dalam pemilihan perangkat router yang tepat bagi pengguna mulai dari kualitas dan performa yang tinggi hingga kualitas yang sering dipertanyakan, sehingga peneliti mengadakan screening perangkat untuk opini atau komentar mengenai produk router oleh pengguna yang sudah menggunakan perangkat tersebut dan dituliskan ke dalam media online atau publik komentar. Dan dari pengolahan data sampel komentar yang telah dilakukan yaitu dengan mencoba beberapa metode algoritma seperti Naive Bayes, Neural Network, k-NN, Decision Tree dan Machine Support Vector Machine dengan berbagai tahap pengujian, barulah akan mendapatkan nilai akurasi dan AUC dari masing-masing algoritma tersebut sehingga didapatkan hasil pengujian tertinggi yaitu dengan menggunakan algoritma k-NN.Review komentar yang telah dikumpulkan datanya dan akan diproses yaitu berupa text positif dan text negatif yang dilakukan pada pengklasifikasian data menggunakan k-Nearest Neighbors (k-NN) method. k-NN method merupakan salah satu algoritma yang cukup tepat untuk pengenalan pola data pada klasifikasi text. Pertumbuhan penggunaan router yang lekat berkaitan dengan kegiatan harian bagi pengguna laptop, smartphone dan tablet agar jaringan internet dapat dijalankan secara optimal, karena fungsi router yaitu dapat mengelola lalu lintas antar jaringan dengan meneruskan paket data ke alamat IP yang dituju. Maka dari itu peneliti mencoba memberikan kemudahan dalam pemilihan perangkat router yang tepat bagi pengguna mulai dari kualitas dan performa yang tinggi hingga kualitas yang sering dipertanyakan, sehingga peneliti mengadakan screening perangkat untuk opini atau komentar mengenai produk router oleh pengguna yang sudah menggunakan perangkat tersebut dan dituliskan ke dalam media online atau publik komentar. Dan dari pengolahan data sampel komentar yang telah dilakukan yaitu dengan mencoba beberapa metode algoritma seperti Naive Bayes, Neural Network, k-NN, Decision Tree dan Machine Support Vector Machine dengan berbagai tahap pengujian, barulah akan mendapatkan nilai akurasi dan AUC dari masing-masing algoritma tersebut sehingga didapatkan hasil pengujian tertinggi yaitu dengan menggunakan algoritma k-NN