Tugas Akhir Mahasiswa NIM 12250094

research
  • 10 Nov
  • 2026

Tugas Akhir Mahasiswa NIM 12250094

Permasalahan dalam penelitian ini adalah besarnya volume ulasan produk skincare di
Tokopedia yang bersifat tidak terstruktur dan menggunakan bahasa tidak baku,
sehingga pembeli maupun penjual kesulitan dalam mengekstrak informasi sentimen
konsumen secara efisien. Tujuan penelitian ini adalah mengklasifikasikan sentimen
ulasan produk skincare (Skintific) di Tokopedia ke dalam kategori positif, netral, dan
negatif, mengukur kinerja pengklasifikasi, serta membangun aplikasi prediksi
berbasis web. Metode yang diusulkan memanfaatkan algoritma K-Nearest Neighbor
(KNN) dengan pembobotan fitur Term Frequency-Inverse Document Frequency (TF
IDF) dan kalkulasi Euclidean Distance (K=5). Tahapan penelitian meliputi scraping
2.000 data ulasan (diperoleh 1.911 ulasan bersih), pra-pemrosesan teks (case folding,
cleaning, tokenizing, stopword removal, dan stemming), pembagian data rasio 80:20
(1.528 data latih dan 383 data uji), serta implementasi antarmuka interaktif
menggunakan framework Streamlit. Hasil yang diperoleh menunjukkan bahwa
model KNN mencapai akurasi global sebesar 95,56% (366 dari 383 data uji
terprediksi tepat). Performa pada kelas mayoritas (positif) sangat optimal dengan
presisi 96%, recall 100%, dan F1-score 98%. Kendati terdapat keterbatasan
klasifikasi pada kelas minoritas (netral dan negatif) akibat ketidakseimbangan data
(data imbalance), aplikasi web Streamlit berhasil memfasilitasi visualisasi serta
prediksi sentimen ulasan secara interaktif untuk pengujian teks tunggal dan berkas
skala besar.

Unduhan

  • File unduhan

    cover only.pdf

    Terakhir download 10 Nov 2026 08:11

    FILE 1 - Cover

    •   diunduh 0x | Ukuran 273 KB
  • File unduhan

    BAB II.pdf

    Terakhir download 10 Nov 2026 08:11

    FILE 4 - Bab 2

    •   diunduh 0x | Ukuran 372 KB
  • File unduhan

    BAB III.pdf

    Terakhir download 10 Nov 2026 08:11

    FILE 5 - Bab 3

    •   diunduh 0x | Ukuran 570 KB
  • File unduhan

    BAB IV.pdf

    Terakhir download 10 Nov 2026 08:11

    FILE 6 - Bab 4

    •   diunduh 0x | Ukuran 4,851 KB
  • File unduhan

    BAB V.pdf

    Terakhir download 10 Nov 2026 08:11

    FILE 7 - Bab 5

    •   diunduh 0x | Ukuran 324 KB

 

REFERENSI

F. D. Prameswari and T. Wahyono, “Model Analisis Sentimen Pengguna
Aplikasi Belanja Online Menggunakan Metode Bidirectional Encoder
Representations from Transformers (BERT),” J. Algoritm., vol. 22, no. 2, pp.
1716–1726, 2025, doi: 10.33364/algoritma/v.22-2.3035.
N. L. Putri, B. Warsito, and B. Surarso, “Pengaruh Klasifikasi Sentimen Pada
Ulasan Produk Amazon Berbasis Rekayasa Fitur dan K-Nearest Negihbor,” J.
Teknol. Inf. dan Ilmu Komput., vol. 11, no. 1, pp. 65–74, 2024, doi:
10.25126/jtiik.20241117376.
F. Irwannia and A. H. Lubis, “Analisis Sentimen Produk Berdasarkan Review
Pelanggan Shopee Menggunakan KNN Sentiment Analysis of Shopee Product
Reviews Using the K-Nearest Neighbors (KNN) Algorithm,” J. Inform.
Comput. Sci. Eng., vol. 3, no. October, pp. 1172–1180, 2025, [Online].
Available:
http://journal.mahesacenter.org/index.php/[email protected]
1
M. Enjeli and A. Wijaya, “Analisis Sentimen Pengunaaan Aplikasi
Kinemaster Menggunakan Metode Naive Bayes,” vol. 2, pp. 89–98, 2024.
“Enhancing K‑nearest neighbor algorithm.pdf.”
Onno W. Purbo, Text Mining: Analisa MedSos, Kekuatan Brand & Intelejen
di Internet. Yogyakarta: ANDI, 2017.
C. Janiesch and K. Heinrich, “Machine learning and deep learning,” pp. 685
695, 2021.
A. Anggraeni, I. Cholissodin, and M. Marji, “Sentimen Analisis Layanan
Produk Indihome menggunakan Information Gain dan Metode K-Nearest
Neighbor,” … Teknol. Inf. dan Ilmu …, vol. 5, no. 8, pp. 3616–3624, 2021,
[Online].
Available:
ptiik/article/view/9642
https://jptiik.multi.web.id/index.php/j
J. Han, M. Kamber, and J. Pei, Data Mining : Concepts and Techniques :
Concepts and Techniques (3rd Edition), Edisi kedu. amerika serikat: morgan
kaufmann,
2012.
[Online].
http://linkinghub.elsevier.com/retrieve/pii/B9780123814791000010
Available:
[10] N. Widhiyanta, I. Muhandhis, R. S. Jannah, and L. A. Wulansari, “Skintific Di
Tokopedia Menggunakan Support Vector Machine Sentiment Analysis of
Skintific Moisturizer Product Reviews,” vol. 18, no. 1, pp. 129–142, 2025.
[11] F. Fieryando and B. Kristianto, “Analisis Sentimen Terhadap TikTok Shop
Dengan K-Nearest Neighbor, Decision Tree, dan Naive Bayes,” J. Buana
Inform., vol. 15, no. 01, pp. 21–29, 2024, doi: 10.24002/jbi.v15i1.8205.
[12] R. Rahmawati et al., “masrahman,+2539-LE-Rani,” vol. 3, no. 1, pp. 46–53.
40
41
[13] D. Septiani and I. Isabela, “Analisis Term Frequency Inverse Document
Frequency (Tf-Idf) Dalam Temu Kembali Informasi Pada Dokumen Teks,”
Sintesia, vol. 1, pp. 81–88, 2022.
[14] S. Ariqoh, M. A. Sunandar, and Y. Muhyidin, “Analisis Sentimen Pada
Produk Cushion Di Website Female Daily Menggunakan Metode Support
Vector Machine (Svm),” STORAGE J. Ilm. Tek. dan Ilmu Komput., vol. 2, no.
3, pp. 137–142, 2023, doi: 10.55123/storage.v2i3.2345.
[15] A. Tanggu Mara, E. Sediyono, and H. Purnomo, “Penerapan Algoritma K
Nearest Neighbors Pada Analisis Sentimen Metode Pembelajaran Dalam
Jaringan (DARING) Di Universitas Kristen Wira Wacana Sumba,” Jointer - J.
Informatics
Eng.,
vol.
10.53682/jointer.v2i01.30.
2,
no.
01,
pp.
24–31,
2021,
doi:
[16] R. L. Atimi and Enda Esyudha Pratama, “Implementasi Model Klasifikasi
Sentimen Pada Review Produk Lazada Indonesia,” J. Sains dan Inform., vol.
8, no. 1, pp. 88–96, 2022, doi: 10.34128/jsi.v8i1.419.
[17] R. K. Imani, S. H. Wijoyo, and F. Amalia, “Penerapan Algoritma K-Nearest
Neighbor untuk Klasifikasi Kemampuan Lulusan Siswa Dalam Bersaing
untuk Mendapatkan Pekerjaan ( Studi Kasus : SMK ‘ SORE ’ Tulungagung ),”
vol. 1, no. 1, 2023.
[18] R. Nurhidayat and K. E. Dewi, “Application of K-Nearest Neighbor
Algorithm and N-Gram Feature Extraction in Aspect-Based Sentiment
Analysis,” Komputa J. Ilm. Komput. dan Inform., vol. 12, no. 1, pp. 91–100,
2023,
https://ojs.unikom.ac.id/index.php/komputa/article/view/9458
[Online].
Available:
[19] D. A. WP, J. D. Firizqi, and Z. A. Amalia, “Analisis Sentimen Produk
Skincare Somethinc Niacinamide di Female Daily dengan Naïve Bayes
Classifier,” J. Media Inform. Budidarma, vol. 8, no. 2, p. 946, 2024, doi:
10.30865/mib.v8i2.7571.

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru