Analisis Sentimen Pada Ulasan Pengguna Platform E-commerce Menggunakan Algoritma K-Nearest Neighbor

Abstrak

Perkembangan e-commerce di Indonesia menawarkan peluang besar bagi UMKM, namun banyaknya pilihan platform menyulitkan UMKM menentukan yang paling sesuai. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna terhadap lima platform e-commerce terbesar (Shopee, Tokopedia, Lazada, Blibli, dan Bukalapak) menggunakan algoritma K-Nearest Neighbor (KNN). Data sebanyak 5.995 ulasan dikumpulkan dari Google Play Store melalui web scraping, kemudian melalui pre-processing (seperti case folding, tokenisasi, dan stemming). Ulasan diklasifikasikan menjadi sentimen positif, negatif, dan netral menggunakan pendekatan lexicon-based, dengan Term Frequency-Inverse Document Frequency (TF-IDF) sebagai teknik vektorisasi. Hasil menunjukkan Blibli memiliki akurasi KNN tertinggi (64%), sementara sentimen positif tertinggi dicapai oleh Lazada dengan F1-score 54%. Penelitian ini juga menghasilkan aplikasi berbasis web untuk memudahkan UMKM menganalisis sentimen pengguna terhadap berbagai platform e-commerce.