Analisis Sentimen Pada Produk Layanan Transportasi Online Menggunakan Metode K-nearest Neighbor

Savira Rohwinasakti, Budhi Irawan, Casi Setianingsih

Abstract

Abstrak
Pada tahun 2018 pengguna rata-rata harian layanan transportasi online 8 juta/hari di wilayah Asia Tenggara, dan negara
Indonesia merupakan negara terbesar dibanding dengan negara Asia Tenggara lainnya [2]. Para pelanggan
menyampaikan tanggapan mengenai layanan yang diberikan kedua penyedia jasa transportasi online melalui berbagai
media, salah satunya melalui kolom komentar Instagram. Tanggapan yang diajukan pun beragam sehingga mengandung
sentimen yang mengekspresikan perasaan terhadap layanan tertentu. Oleh karena itu untuk menentukan respon pelanggan
terhadap layanan yang diberikan, tingkat kepuasan, serta dapat membantu pelanggan memilih layanan yang terbaik, maka
dibuat sistem analisis sentimen dengan metode K-Nearest Neighbor. Hasil dari penelitian tugas akhir yang dilakukan
dalam mengklasifikasikan komentar positif dan negatif pada produk layanan transportasi online mendapatkan akurasi
terbaik 94.4%, Ini menyimpulkan bahwa dari hasil evaluasi algoritma yang digunakan bekerja dengan baik untuk
menganalisis sentimen.
Kata kunci: Analisis sentimen, K-nearest neighbor, Pembelajaran mesin, Text Mining
Abstract
In 2018 the average daily user of online transportation services is up to 8 million users/day in the Southeast Asian region,
and Indonesia is the largest country in using the services compared to other Southeast Asian countries [2]. The customers
submit their responses to the services provided by both online transportation service providers through various media,
one of them is through the Instagram comments section. The responses submitted were also varied, so that they also
contained sentiments that expressed their feelings about certain services. Therefore, to determine customers' responses
to the services provided, the level of satisfaction, and to help customers choose the best services, a sentiment analysis
system was made using the K-Nearest Neighbor method. Result from this study show that the proposed system is able to
classify user opinion with 94.4% Accuracy. This concludes that from evaluation results, the proposed algorithm performs
well to automatically analyze sentiment.
Keywords: K-Nearest Neighbor, Machine Learning, Sentiment Analysis, Text Mining

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0