Sistem Klasifikasi Fungsi Gadget Menggunakan Metode K-Nearest Neighbour Berbasis Analisis Sentimen

Abstract

Berbagai perusahaan pengembang teknologi gadget menciptakan bermacammacam seri gadget dengan fitur yang berbeda-beda. Masyarakat sebagai pembeli tidak akan mudah untuk memutuskan gadget mana yang sesuai dengan kebutuhan masing-masing, terlebih dengan adanya persaingan harga yang kompetitif. Tujuan penelitian ini adalah untuk membuat sistem klasifikasi yang dapat membaca data komentar dinamis di YouTube serta melakukan proses klasifikasi secara otomatis dengan mengelompokkan gadget berdasarkan fungsinya. Metode klasifikasi yang digunakan yaitu K-Nearest Neighbour (KNN) dan metode pembobotan kata menggunakan Term Frequency Relevance Frequency (TF-RF). Berdasarkan hasil klasifikasi didapatkan akurasi model sebesar 91% untuk klasifikasi fungsi dan 90% untuk klasifikasi sentimen.