Melola Discovery

← Melola Discovery

Open access Jurnal SINTA 2

Pengaruh Klasifikasi Sentimen Pada Ulasan Produk Amazon Berbasis Rekayasa Fitur dan K-Nearest Negihbor

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 11 No. 1 (2024) · pp. 65–74

DOI
10.25126/jtiik.20241117376
ISSN
2528-6579, 2355-7699
Published
2024-02-29
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
en
License
creativecommons.org/licenses/by-sa/4.0

Abstract

Bahasa Indonesia

Ulasan online menjadi faktor penting yang mendorong konsumen untuk membeli barang di e-commerce. Dalam e-commerce, ulasan pelanggan sebelumnya dapat membantu pembeli membuat keputusan yang lebih baik dengan memberikan informasi tentang kualitas produk, kekuatan dan kelemahan, perilaku penjual, harga, dan waktu pengiriman. Namun, keberadaan ulasan palsu menimbulkan tantangan dalam menilai sentimen yang diungkapkan oleh pelanggan asli secara benar. Dalam penelitian ini, berfokus pada analisis sentimen dan bertujuan untuk mengeksplorasi peran sentimen dalam ulasan produk Amazon. Penelitian ini menggunakan kombinasi fitur dari konten ulasan dengan menerapkan klasifikasi K-Nearest Neighbor untuk mengklasifikasikan polaritas sentimen ulasan secara akurat. Dalam mengekstrak skor polaritas dari ulasan, penelitian ini menggunakan pendekatan analisis sentimen berbasis leksikon yaitu Textblob Library dan menetapkan label sentimen dari ulasan produk. Hasil dari pemodelan yang diusulkan mencapai tingkat akurasi sebesar 83% yang menunjukkan keefektifan pemodelan yang diusulkan dalam analisis sentimen. Hasil dari penelitian ini dapat membantu konsumen dalam membuat keputusan pembelian dan membantu penjual dalam meningkatkan nilai produk dan layanan mereka berdasarkan feedback yang diberikan oleh pelanggan.

English

Ulasan online menjadi faktor penting yang mendorong konsumen untuk membeli barang di e-commerce. Dalam e-commerce, ulasan pelanggan sebelumnya dapat membantu pembeli membuat keputusan yang lebih baik dengan memberikan informasi tentang kualitas produk, kekuatan dan kelemahan, perilaku penjual, harga, dan waktu pengiriman. Namun, keberadaan ulasan palsu menimbulkan tantangan dalam menilai sentimen yang diungkapkan oleh pelanggan asli secara benar. Dalam penelitian ini, berfokus pada analisis sentimen dan bertujuan untuk mengeksplorasi peran sentimen dalam ulasan produk Amazon. Penelitian ini menggunakan kombinasi fitur dari konten ulasan dengan menerapkan klasifikasi K-Nearest Neighbor untuk mengklasifikasikan polaritas sentimen ulasan secara akurat. Dalam mengekstrak skor polaritas dari ulasan, penelitian ini menggunakan pendekatan analisis sentimen berbasis leksikon yaitu Textblob Library dan menetapkan label sentimen dari ulasan produk. Hasil dari pemodelan yang diusulkan mencapai tingkat akurasi sebesar 83% yang menunjukkan keefektifan pemodelan yang diusulkan dalam analisis sentimen. Hasil dari penelitian ini dapat membantu konsumen dalam membuat keputusan pembelian dan membantu penjual dalam meningkatkan nilai produk dan layanan mereka berdasarkan feedback yang diberikan oleh pelanggan.

Keywords

Collaboration network of the authors

10 authors · 16 co-authorship links · 2 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Diponegoro University
  • Lambung Mangkurat University
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Dinar Mutiara Kusumo NugraheniDiponegoro University2
Fitriana MasrurohDiponegoro University2
Rudy HertenoLambung Mangkurat University1
Radityo Adi NugrohoLambung Mangkurat University1
Willy Bima AlfajriDiponegoro University1
Oky Dwi NurhayatiDiponegoro University1
Wahyul Amien SyafeiDiponegoro University1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Pengaruh Klasifikasi Sentimen Pada Ulasan Produk Amazon Berbasis Rekayasa Fitur dan K-Nearest Negihbor</dc:title>
	<dc:title xml:lang="en">Pengaruh Klasifikasi Sentimen Pada Ulasan Produk Amazon Berbasis Rekayasa Fitur dan K-Nearest Negihbor</dc:title>
	<dc:creator xml:lang="id">Putri, Nitami Lestari</dc:creator>
	<dc:creator xml:lang="id">Warsito, Budi</dc:creator>
	<dc:creator xml:lang="id">Surarso, Bayu</dc:creator>
	<dc:subject xml:lang="en">Ulasan produk Amazon</dc:subject>
	<dc:subject xml:lang="en">analisis sentimen</dc:subject>
	<dc:subject xml:lang="en">Textblob Library</dc:subject>
	<dc:subject xml:lang="en">kombinasi fitur</dc:subject>
	<dc:subject xml:lang="en">K-Nearest Neighbor</dc:subject>
	<dc:description xml:lang="id">Ulasan online menjadi faktor penting yang mendorong konsumen untuk membeli barang di e-commerce. Dalam e-commerce, ulasan pelanggan sebelumnya dapat membantu pembeli membuat keputusan yang lebih baik dengan memberikan informasi tentang kualitas produk, kekuatan dan kelemahan, perilaku penjual, harga, dan waktu pengiriman. Namun, keberadaan ulasan palsu menimbulkan tantangan dalam menilai sentimen yang diungkapkan oleh pelanggan asli secara benar. Dalam penelitian ini, berfokus pada analisis sentimen dan bertujuan untuk mengeksplorasi peran sentimen dalam ulasan produk Amazon. Penelitian ini menggunakan kombinasi fitur dari konten ulasan dengan menerapkan klasifikasi K-Nearest Neighbor untuk mengklasifikasikan polaritas sentimen ulasan secara akurat. Dalam mengekstrak skor polaritas dari ulasan, penelitian ini menggunakan pendekatan analisis sentimen berbasis leksikon yaitu Textblob Library dan menetapkan label sentimen dari ulasan produk. Hasil dari pemodelan yang diusulkan mencapai tingkat akurasi sebesar 83% yang menunjukkan keefektifan pemodelan yang diusulkan dalam analisis sentimen. Hasil dari penelitian ini dapat membantu konsumen dalam membuat keputusan pembelian dan membantu penjual dalam meningkatkan nilai produk dan layanan mereka berdasarkan feedback yang diberikan oleh pelanggan.</dc:description>
	<dc:description xml:lang="en">Ulasan online menjadi faktor penting yang mendorong konsumen untuk membeli barang di e-commerce. Dalam e-commerce, ulasan pelanggan sebelumnya dapat membantu pembeli membuat keputusan yang lebih baik dengan memberikan informasi tentang kualitas produk, kekuatan dan kelemahan, perilaku penjual, harga, dan waktu pengiriman. Namun, keberadaan ulasan palsu menimbulkan tantangan dalam menilai sentimen yang diungkapkan oleh pelanggan asli secara benar. Dalam penelitian ini, berfokus pada analisis sentimen dan bertujuan untuk mengeksplorasi peran sentimen dalam ulasan produk Amazon. Penelitian ini menggunakan kombinasi fitur dari konten ulasan dengan menerapkan klasifikasi K-Nearest Neighbor untuk mengklasifikasikan polaritas sentimen ulasan secara akurat. Dalam mengekstrak skor polaritas dari ulasan, penelitian ini menggunakan pendekatan analisis sentimen berbasis leksikon yaitu Textblob Library dan menetapkan label sentimen dari ulasan produk. Hasil dari pemodelan yang diusulkan mencapai tingkat akurasi sebesar 83% yang menunjukkan keefektifan pemodelan yang diusulkan dalam analisis sentimen. Hasil dari penelitian ini dapat membantu konsumen dalam membuat keputusan pembelian dan membantu penjual dalam meningkatkan nilai produk dan layanan mereka berdasarkan feedback yang diberikan oleh pelanggan.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2024-02-29</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/7376</dc:identifier>
	<dc:identifier>10.25126/jtiik.20241117376</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 11 No 1: Februari 2024; 65-74</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 11 No. 1: Februari 2024; 65-74</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.2024111</dc:source>
	<dc:language>en</dc:language>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/7376/1257</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2024 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>