Perbandingan algoritma k-nearst neighbor dan naïve bayes pada aplikasi shopee

E-commerce merupakan aplikasi yang digunakan untuk melakukan segala aktivitas jual-beli secara online beberapa masalah transaksi jual-beli online terutama pada shopee terkadang banyak kendala. Ulasan dari pengguna sering digunakan sebagai alat yang efektif dan efisien untuk mencari informasi tentang suatu produk atau layanan. Pengguna internet sering melihat ulasan suatu produk sebelum menggunakannya karena ulasan dari pengguna lain dapat memberikan informasi terkini. Pada penelitian ini penulis menggunakan dua (2) jenis metode algoritma yakni K-Nearst Neighbor dan Naive Bayes Classifier. Penulis menggunakan dua (2) metode untuk mengetahui tingkat akurasi terbaik yang di hasilkan. Penulis menggunakan algoritma K-Nearst Neighbor karena pada penelitian sebelumnya terdapat hasil yang bagus. Juga menggunakan algoritma Naïve Bayes Classifier karena metode ini merupakan metode yang popular dan lebih sering digunakan.algoritma K-Nearst Neighbor pada aplikasi shopee menunjukkan bahwa tingkat akurasi 55.00% dimana jumlah data untuk sentimen negatif sebanyak 100 ulasan, dan sentimen positif sebanyak 100 ulasan dari data testing yang digunakan sebanyak 200 data atau 20% dalam metode K-Nearst Neighbor. Lalu tingkat akurasi mencapai 80,00% dimana jumlah data untuk sentimen negatif sebanyak 99 ulasan dan sentimen positif sebanyak 101 ulasan dari data testing yang digunakan sebanyak 200 atau 20% dengan metode Naïve Bayes Classifier. Dalam penelitian ini, dapat diketahui bahwa metode Naïve Bayes Classifier adalah metode yang tingkat akurasinya lebih tinggi dibandingkan K-Nearst Neighbor dengan tingkat akurasi sebesar 80,00%.