Analisis Sentimen Berbasis Aspek Pada Produk Kecantikan Menggunakan Algoritma K-Nearest Neighbor Dan Fitur Ekstraksi N-Gram

Pertumbuhan dan perkembangan teknologi yang begitu cepat dan pesat menjadikan membeli produk secara online semakin meningkat dan disukai yaitu membeli produk kecantikan. Banyak pertimbangan untuk mengetahui kualitas dari produk, salah satu caranya yaitu melihat ulasan produk kecantikan. Tujuan dari penelitian untuk mengevaluasi performansi dari metode K-Nearest Neighbor dan fitur ekstraksi N-Gram dalam melakukan analisis sentimen berbasis aspek pada produk kecantikan. Metodologi yang digunakan adalah pengumpulan data, preprocessing, ekstraksi fitur N-Gram dan pembobotan kata dengan TF-IDF, proses klasifikasi K-Nearest Neighbor, dan terakhir evaluasi performansi. Pembagian data dibagi menjadi tiga skenario yaitu 80:20, 70:30:, dan 60:40. Pengujian dilakukan dengan dataset yang seimbang dan tidak seimbang. Hasil pengujian menunjukkan bahwa data yang seimbang menghasilkan nilai akurasi yang lebih baik daripada data yang tidak seimbang. Pada KNN dengan nilai k = 1 pada dataset seimbang, menghasilkan akurasi tertinggi. Pada aspek aroma akurasi tertinggi yaitu 91,9%, harga yaitu 95,4%, kemasan yaitu 98,6% dan efektivitas yaitu 88,8%. Berasarkan hasil pengujian yang telah dilakukan pada setiap aspek, didapatkan akurasi tertinggi dengan nilai akurasi 98,6% dari aspek kemasan pada skenario data 80:20.