KLASIFIKASI SENTIMEN ULASAN PENGUNJUNG LAWANG SEWU DI GOOGLE MAPS MENGGUNAKAN K-NEAREST NEIGHBOR

Abstract

Analisis sentimen digunakan untuk mengidentifikasi opini dalam ulasan daring. Lawang Sewu sebagai destinasi wisata bersejarah di Semarang memiliki banyak ulasan di Google Maps yang mencerminkan pengalaman pengunjung. Penelitian ini bertujuan mengklasifikasikan sentimen ulasan menggunakan K-Nearest Neighbor (KNN). Data dikumpulkan dengan web scraping menggunakan SerpAPI dan diproses melalui text preprocessing seperti cleaning, case folding, stemming, dan stopword removal. Label sentimen ditentukan berdasarkan rating, yaitu positif, negatif, dan netral. Model KNN diterapkan untuk klasifikasi dan dievaluasi dengan confusion matrix. Hasil penelitian menunjukkan bahwa 52,8% ulasan bersentimen positif, 27,4% negatif, dan 19,8% netral. Model mencapai akurasi 64% dengan F1-score rata-rata 0,60, tetapi mengalami kendala dalam membedakan sentimen netral. Oleh karena itu, disarankan penggunaan teknik feature weighting seperti TF-IDF atau eksplorasi algoritma lain seperti Support Vector Machine (SVM) untuk meningkatkan akurasi klasifikasi.