Perbandingan Metode K-Nearest Neighbor dan Pohon Keputusan dalam Analisis Sentimen Data Ulasan Aplikasi Pinjaman Online Berizin OJK Di Google Play

Abstract

Abstrak— Penelitian ini bertujuan untuk membandingkan nilai akurasi dari dua model algoritma klasifikasi K-Nearest Neighbor dan Pohon Keputusandalam Data Ulasan Aplikasi Pinjaman Online Berizin OJK di Google Play yang mengandung nilai positif dan negatif dan membuktikan apakah semakin tinggi nilai akurasi model algoritma klasifikasi yang didapatkan menunjukan semakin baik model algoritma klasifikasi tersebut dalam melakukan analisis sentimen. Metodologi penelitian yang digunakan CRISP-DM. Model algoritma klasifikasi yang digunakan untuk perbandingan sentimen adalah K-Nearest Neighbor dan Pohon Keputusandengan menggunakan metode Cross Validation dan Confusion Matrix untuk pengujian model. Sampel dalam penelitian ini sebanyak 320 data ulasan pengguna dari beberapa aplikasi pinjaman online legal berizin OJK di Google Play pada kurun waktu 20 Januari 2023 sampai 31 Maret 2023. Hasil penelitian menunjukkan bahwa model algoritma K-Nearest Neighbor dengan memiliki tingkat akurasi yang lebih tinggi dengan tingkat akurasi sebesar 93.75% dan Pohon Keputusandengan tingkat akurasi sebesar 76,56% sehingga dihasilkan   nilai akurasi K-Nearest Neighbor lebih baik daripada nilai akurasiPohon Keputusan dalam melakukan analisis sentimen. Kemudian hasil analisis sentimen terhadap data ulasan aplikasi pinjaman online berizin OJK di Google Play dengan jumlah sentimen negatif sebesar 63.7% dan sentimen positif sebesar 36.2%. Hasil penelitian ini diharapkan dapat membantu memberikan informasi terkait akurasi model algoritma klasifikasi yang baik dan mendapatkan hasil sentimen positif dan negatif dari beberapa layanan aplikasi Pinjaman online legal berizin OJK.