Optimasi Nilai K pada Algoritma k-NN untuk Analisis Sentimen Ulasan Aplikasi Gopay Menggunakan Python

Article Sidebar

PDF
Published: Jun 3, 2026
DOI: https://doi.org/10.34128/jsi.v12i1.1123
Keywords:
Algoritma k-Nearest Neighbors (k-NN), Analisis Sentimen, Optimasi Nilai K

Main Article Content

Anas Nasrulloh
Institut Teknologi Tangerang Selatan
Tubagus Toifur
Institut Teknologi Tangerang Selatan
Aolia Ikhwanudin
Institut Teknologi Tangerang Selatan
Muhammad Yusuf
Institut Teknologi Tangerang Selatan
Ibnu Mas'ud
Institut Teknologi Tangerang Selatan

Abstract

Pada penelitian ini ditemukan bahwa memilih nilai k yang terlalu besar dapat mengurangi performa model, sementara nilai k yang lebih kecil memberikan hasil yang lebih optimal dalam analisis sentimen ulasan aplikasi. Penelitian ini berfokus pada optimasi nilai k dalam algoritma k-Nearest Neighbors (k-NN) untuk analisis sentimen ulasan aplikasi Gopay yang diperoleh melalui data scraping dari Google Play Store. Peneliti mengumpulkan dan menganalisis data ulasan untuk menilai akurasi algoritma k-NN pada berbagai nilai k. Nilai k yang diuji meliputi 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33, 35, 37, 39, 41, 43, 45, 47, dan 49. Hasil analisis menunjukkan bahwa akurasi algoritma k-NN mencapai puncaknya pada nilai k = 3 dengan akurasi 0.898, sedangkan pada nilai k yang lebih besar, akurasi cenderung menurun secara bertahap hingga mencapai 0.870 pada k=47 dan k=49.

Article Details

How to Cite
[1]
A. Nasrulloh, T. Toifur, A. Ikhwanudin, M. Yusuf, and I. Mas'ud, “Optimasi Nilai K pada Algoritma k-NN untuk Analisis Sentimen Ulasan Aplikasi Gopay Menggunakan Python”, JSI, vol. 12, no. 1, pp. 60–69, Jun. 2026.
Issue
Vol. 12 No. 1 (2026): Jurnal Sains dan Informatika
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Author Biographies

Anas Nasrulloh, Institut Teknologi Tangerang Selatan

Anas Nasrulloh, M.Kom., merupakan lulusan S2 Universitas Budi Luhur Jakarta jurusan Rekayasa Komputer Terapan. Beliau adalah dosen Sistem Informasi di Institut Teknologi Tangerang Selatan (ITTS). Fokus penelitiannya meliputi data science, machine learning, dan analisis sentimen menggunakan Python. Jurnal ini ditulis sebagai kontribusi dalam pengembangan penelitian kecerdasan buatan dan analisis data teks di Indonesia. Sinta ID: 6759995; Email: [email protected]

Tubagus Toifur, Institut Teknologi Tangerang Selatan

Tubagus Toifur, M.Kom., seorang akademisi dan praktisi di bidang Teknologi Informasi dengan latar belakang pendidikan Ilmu Komputer, ia saat ini menjabat sebagai Wakil Rektor Bidang II di Institut Teknologi Tangerang Selatan (ITTS), sekaligus aktif mengajar mata kuliah terkait multimedia, pengolahan citra digital, etika profesi, dan keamanan siber. Sebelum berkiprah di dunia pendidikan tinggi, ia memiliki pengalaman profesional yang luas di berbagai instansi pemerintah dan BUMD, termasuk sebagai IT Support di Dinas Pertambangan dan Energi Provinsi Banten serta Kepala Divisi IT di PT PITS Tangerang Selatan. Berkontribusi dalam beberapa publikasi ilmiah dan penulisan buku, di antaranya sebagai penulis pada Buku Pegangan Penanganan Insiden Siber (2023) dan Panduan Migrasi Jaringan IPv4 ke IPv6 (2024), serta berbagai artikel teknis yang dipublikasikan di laman instansi pemerintah. Email: [email protected]

Aolia Ikhwanudin, Institut Teknologi Tangerang Selatan

Aolia Ikhwanuddin, M.Kom.,  adalah akademisi dan praktisi teknologi informasi yang berfokus pada jaringan komputer, cybersecurity, serta pengembangan Artificial Intelligence (AI). Ia aktif sebagai dosen sekaligus Dekan Fakultas Ilmu Komputer di Institut Teknologi Tangerang Selatan (ITTS), serta berperan sebagai staf ahli di Dinas Komunikasi dan Informatika Kota Tangerang Selatan. Dengan pengalaman di dunia akademik dan pemerintahan, ia aktif mendorong transformasi digital, penguatan kapasitas teknologi, dan tata kelola layanan publik berbasis digital. Selain mengajar, ia juga aktif menulis berbagai buku dan referensi di bidang teknologi informasi, khususnya jaringan komputer, keamanan siber,Internet Of Things dan analisis data. Melalui buku ini, penulis berharap dapat memberikan wawasan yang bermanfaat bagi pelajar, mahasiswa, pendidik, dan praktisi agar lebih mudah memahami perkembangan teknologi secara praktis, sistematis, dan relevan dengan kebutuhan era digital.

Muhammad Yusuf, Institut Teknologi Tangerang Selatan

Muhamad Yusuf, M.Kom., adalah seorang akademisi, praktisi teknologi informasi, dan pengembang sistem aplikasi pemerintahan yang telah berkecimpung dalam dunia IT selama lebih dari satu dekade. Saat ini, ia menjabat sebagai Kepala Program Studi Teknologi Informasi di Institut Teknologi Tangerang Selatan, serta aktif mengajar sebagai dosen pada fakultas teknik di kampus yang sama. Selain di dunia akademik, Yusuf juga berperan sebagai Tenaga Ahli di Dinas Komunikasi dan Informatika Kota Tangerang Selatan, di mana ia terlibat dalam pengembangan berbagai sistem informasi yang mendukung pelayanan publik dan transformasi digital pemerintah daerah. Email: [email protected]

Ibnu Mas'ud, Institut Teknologi Tangerang Selatan

Ibnu Mas’ud, M.Kom., Seorang akademisi dan praktisi di bidang Ilmu Komputer yang memiliki dedikasi tinggi terhadap pengembangan teknologi informasi. Dengan latar belakang pendidikan Magister Komputer, beliau memiliki spesialisasi dalam analisis sistem, pengelolaan data, serta implementasi teknologi terkini untuk mendukung solusi bisnis dan pendidikan. Saat ini, beliau aktif mengajar sebagai dosen di Universitas Islam Negeri Sultan Maulana Hasanuddin Banten dan turut berkontribusi sebagai pengajar di beberapa perguruan tinggi lainnya, termasuk Institut Teknologi Tangerang Selatan. Email: [email protected], [email protected]

References

[1] S. W. Iriananda, R. W. Budiawan, and A. Y. Rahman, “Optimasi Klasifikasi Sentimen Komentar Pengguna Game Bergerak Menggunakan SVM, Grid Search Dan Kombinasi N-Gram Optimizing Sentiment Classification Of Mobile Game User Reviews Using SVM, Grid Search And N-Gram Combinations,” vol. 11, no. 4, 2024, doi: 10.25126/jtiik.1148244.

[2] M. A. Yamin, K. Kusnadi, and L. Bayuaji, “Optimasi Algoritma Support Vector Machine (SVM) Dengan Menggunakan Feature Selection Gain Ratio Untuk Analisis Sentimen,” INOVTEK Polbeng - Seri Inform., vol. 9, no. 1, pp. 326–340, 2024, doi: 10.35314/isi.v9i1.4197.

[3] D. R. Fernandes, N. J. P. Hasan, and N. Wijaya, “Optimasi Akurasi Sentimen Komentar Xiaomi SU7 di YouTube Menggunakan Naive Bayes dan Chi-Square,” J. Softw. Eng. Comput. Intell., vol. 2, no. 01, pp. 17–25, 2024, doi: 10.36982/jseci.v2i01.4099.

[4] V. Arinal and B. S. Purnomo, “Optimasi Metode Decision Tree Menggunakan Particle Swarm Optimization Untuk Analisis Sentimen Review Game GTA V Roleplay,” J. Sains dan Teknol., vol. 5, no. 1, pp. 457–461, 2023, [Online]. Available: https://doi.org/10.55338/saintek.v5i1.1371

[5] I. P. D. W. Darmawan, G. A. Pradnyana, and I. B. N. Pascima, “Optimasi Parameter Support Vector Machine Dengan Algoritma Genetika Untuk Analisis Sentimen Pada Media Sosial Instagram,” SINTECH (Science Inf. Technol. J., vol. 6, no. 1, pp. 58–67, 2023, doi: 10.31598/sintechjournal.v6i1.1245.

[6] P. Arsi, R. Wahyudi, and R. Waluyo, “Optimasi SVM Berbasis PSO pada Analisis Sentimen Wacana Pindah Ibu Kota Indonesia,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 2, pp. 231–237, 2021, doi: 10.29207/resti.v5i2.2698.