Perbandingan Analisis Wordnet dan K-Nearest Neighbor pada Ulasan Aplikasi Sirekap 2024

Abstract

Perkembangan model klasifikasi telah mencakup bidang klasifikasi sentimen yang bersumber dari data teks. Penelitian mengenai Machine Learning dan Natural Language Processing (NLP) yang menggunakan data ulasan terhadap suatu aplikasi sudah pernah dilakukan sebelumnya. Bagi pengguna, ulasan aplikasi sering digunakan sebagai sumber informasi untuk mengetahui lebih lanjut tentang aplikasi tersebut. Tujuan penelitian ini untuk mengetahui hasil perbandingan analisis klasifikasi WordNet dan K-Nearest Neighbor menggunakan ekstraksi fitur TF-IDF dalam mendapatkan hasil dari nilai evaluasi F1-Score pada ulasan Aplikasi “Sirekap 2024”. Penelitian ini menggunakan sebanyak 8358 data ulasan, dengan teknik pengambilan data melalui proses Scraping. Hasil penelitian berdasarkan uji coba yang telah dilakukan, metode K-Nearest Neighbor lebih baik dalam mengklasifikasikan dibanding metode WordNet, dengan hasil perbandingan K-Nearest Neighbor sebesar 32% sedangkan WordNet sebesar 17,50%.