Analisis Sentimen Pengaruh Media Sosial Terhadap Keputusan Pembelian Konsumen Menggunakan Metode K-Nearest Neighbors (K-NN)
-
Adinda Febiola
*
STIKOM Tunas Bangsa, Pematang Siantar,
Indonesia
- Ratih Manalu STIKOM Tunas Bangsa, Pematang Siantar, Indonesia
- Retno Ajeng Kartika Said STIKOM Tunas Bangsa, Pematang Siantar, Indonesia
- Putrama Alkhairi STIKOM Tunas Bangsa, Pematang Siantar, Indonesia (*) Corresponding Author
Abstract
Perkembangan media sosial telah mengubah cara konsumen berinteraksi dan mengambil keputusan pembelian. Media sosial menjadi platform utama bagi konsumen untuk berbagi pengalaman, memberikan ulasan, dan mendiskusikan produk atau layanan. Penelitian ini bertujuan untuk menganalisis sentimen konsumen terhadap ulasan produk dimedia sosial serta dampaknya pada keputusan pembelian menggunakan metode K-NN. Data yang digunakan berupa ulasan konsumen yang dikumpulkaan pada platform media sosial. Data tersebut diproses melalui tahapan preprocessing, seperti tokenisasi, penghapusan kata tidak penting, dan stemming, sebelum diklasifikasikan menjadi sentimen positif dan negatif. K-NN dipilih karena keandalannya dalam klasifikasi berbasis jarak dan kemampuannya menangani datasetdengan pola distribusi yang kompleks. Hasil penelitian menunjukkan bahwa metode K-NN mampu mengklasifikasikan sentimen konsumen dengan akurasi 100%. Hasil analisis menunjukkan bahwa sentimen positif berkonstribusi signifikan dalam mempengaruhi keputusan keputusan pembelian, sedangkan sentimen negatif cenderung mengurangi minat konsumen. Hasil yang diperoleh dari tahap modelling dengan menggunakan metode K-NN dan perbandingan 80:20 untuk data training dan testing, maka nilai akurasi yang dihasilkan sebesar 90%, precision 90%, recall 100%. Evaluasi model dilakukan menggunakan matrik akurasi, presisi dan recall, dengan hasil yang menunjukkan kinerja K-NN cukup baik dalam mengklasifikasikan sentimen konsumen. Penelitian ini memberikan wawasan tentang pentingnya memahami sentimen konsumen di media sosial untuk strategi pemasaran yang lebih efektif, serta menunjukkan potensi penerapan machine learning, khususnya K-NN dalam menganalisis data tekstual untuk mendukung pengambilan keputusan bisnis.
References
A. Adriyanti and A. H. Abubakar, “Pengaruh Perilaku Konsumen Terhadap Keputusan Pembelian Produk Kecantikan Melalui E-Commerce Shopee,” J. Pendidik. Ekon., vol. 17, pp. 239–248, 2023, doi: 10.19184/jpe.v17i2.42375.
R. N. Shadrina and Y. Sulistyanto, “Analisis Pengaruh Content Marketing, Influencer, Dan Media Sosial Terhadap Keputusan Pembelian Konsumen (Studi Pada Pengguna Instagram Dan Tiktok Di Kota Magelang),” vol. 11, no. 2, pp. 1–11, 2022.
S. C. Mokoginta, “Dampak Media Sosial Terhadap Perilaku Konsumen Dalam Pembelian Produk Fashion Online Di Kota Kotamobagu,” J. Adm. dan Manaj., vol. 14, no. 4, pp. 621–631, 2024, doi: 10.52643/jam.v14i4.5111.
F. W. Umbara, “User Generated Content di Media Sosial Sebagai Strategi Promosi Bisnis,” J. Manaj. Strateg. dan Apl. Bisnis, vol. 4, no. 2, pp. 572–581, 2021, doi: 10.36407/jmsab.v4i2.366.
H. Ependi and R. W. Pahlevi, “Keputusan pembelian mahasiswa pada produk online shop shopee dan faktor penentunya,” J. Competency Bus., vol. 5, no. 1, pp. 118–135, 2021, doi: 10.47200/jcob.v5i1.879.
I. Yunus and A. Ariawan, “Keputusan Pembelian Konsumen: Perspektif Online Consumer Review,” PRAGMATIS J. Manaj. dan Bisnis, vol. 3, no. 1, pp. 36–47, 2022, doi: 10.30742/pragmatis.v3i1.2476.
S. Saepudin, S. Widiastuti, and C. Irawan, “Sentiment Analysis of Social Media Platform Reviews Using the Naïve Bayes Classifier Algorithm,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 12, no. 2, pp. 236–243, 2023, doi: 10.32736/sisfokom.v12i2.1650.
A. Budiyanto, I. B. Pamungkas, and A. Praditya, “Pengaruh Media Sosial Terhadap Minat Beli Dan Keputusan Pembelian Konsumen: Analisis Bibliometrik,” J. Ekon. Manaj., vol. 8, no. 2, pp. 133–142, 2022, doi: 10.37058/jem.v8i2.5468.
S. A. Mahira, I. Sukoco, C. S. Barkah, and N. J. A. Novel, “Teknologi Artificial Intelligence Dalam Analisis Sentimen: Studi Literatur Pada Perusahaan Kata.Ai,” Responsive J. Pemikir. Dan Penelit. Adm. Sos. Hum. Dan Kebijak. Publik, vol. 6, no. 2, pp. 139–148, 2023, doi: 10.24198/responsive.v6i2.48064.
E. Hokijuliandy, H. Napitupulu, and F. Firdaniza, “Analisis Sentimen Menggunakan Metode Klasifikasi Support Vector Machine (SVM) dan Seleksi Fitur Chi-Square,” SisInfo J. Sist. Inf. dan Inform., vol. 5, no. 2, pp. 40–49, 2023, doi: 10.37278/sisinfo.v5i2.670.
Heliyanti Susana, “Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan Akses Internet,” J. Ris. Sist. Inf. dan Teknol. Inf., vol. 4, no. 1, pp. 1–8, 2022, doi: 10.52005/jursistekni.v4i1.96.
F. A. Artanto, I. Rosyadi, S. E. Rahmawati, and H. T. B. J. Pangestu, “Decision Tree Dalam Analisis Keputusan Pembelian Program Pada Perkumpulan Penggiat Programmer Indonesia,” J. Fasilkom, vol. 12, no. 3, pp. 141–144, 2022, doi: 10.37859/jf.v12i3.3948.
A. R. Isnain, J. Supriyanto, and M. P. Kharisma, “Implementation of K-Nearest Neighbor (K-NN) Algorithm For Public Sentiment Analysis of Online Learning,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 15, no. 2, pp. 121–130, 2021, doi: 10.22146/ijccs.65176.
T. A. C. Budianto, H. Fatoni, M. A. Syaharani, and C. Rozikin, “Analisis Sentimen Pengumuman Hasil Pemilu 2024 Di Sosial Media X Menggunakan Knn Dan Naïve Bayes Classifier,” JATI(Jurnal Mhs. Tek. Inform., vol. 8, no. 5, pp. 10816–10822, 2024, doi: 10.36040/jati.v8i5.11077.
R. Q. Rohmansa, N. Pratiwi, and M. J. Palepa, “Analisis Sentimen Ulasan Pengguna Aplikasi Discord Menggunakan Metode K-Nearest Neighbor,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 9, no. 1, pp. 368–378, 2024, doi: 10.29100/jipi.v9i1.4943.
N. Alvionika, S. Faisal, R. Rahmat, and A. F. N. Masruriyah, “Analisis Sentimen Pada Komentar Instagram Provider By.U Menggunakan Metode K-Nearest Neighbors (KNN),” J. Algoritm., vol. 21, no. 2, pp. 50–63, 2024, doi: 10.33364/algoritma/v.21-2.1672.
A. Andirwan, V. Asmilita, M. Zhafran, A. Syaiful, and M. Beddu, “Strategi pemasaran digital: Inovasi untuk maksimalkan penjualan produk konsumen di era digital,” J. Ilm. Multidisiplin Amsir, vol. 2, no. 1, pp. 155–166, 2023, doi: 10.62861/jimat%20amsir.v2i1.405.
A. Yoga Pratama, Y. Umaidah, and A. Voutama, “Analisis Sentimen Media Sosial Twitter Dengan Algoritma K-Nearest Neighbor Dan Seleksi Fitur Chi-Square (Kasus Omnibus Law Cipta Kerja),” J. Sains Komput. Inform., vol. 5, no. 2, pp. 897–910, 2021, doi: 10.30645/j-sakti.v5i2.386.
M. A. A. Leza, N. W. Utami, and P. A. C. Dewi, “Prediksi Prestasi Siswa SMAS Katolik Santo Yoseph Denpasar Berdasarkan Kedisiplinan Dan Tingkat Ekonomi Orang Tua Menggunakan Metode Knowledge Discovery In Database Dan Algoritma Regresi Linier Berganda,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 373–379, 2024, doi: 10.36040/jati.v8i1.8754.
F. Sutomo et al., “Optimization of the K-Nearest Neighbors Algorithm Using the Elbow Method on Stroke Prediction,” J. Tek. Inform., vol. 4, no. 1, pp. 125–130, 2023, doi: 10.52436/1.jutif.2023.4.1.839.
Sony Simare-mare and Henry Pandia, “Rekomendasi Komoditas Ekspor Menggunakan K-Nearest Neighbor,” JSiI (Jurnal Sist. Informasi), vol. 10, no. 2, pp. 150–156, 2023, doi: 10.30656/jsii.v10i2.8205.
Y. Siagian, J. Hutahaean, A. Zikra Syah, J. Efendi Hutagalung, and A. Karim, “Implementasi Metode K-Nearest Neigbours (KNN) Untuk Klasifikasi Penyakit Diabetes,” J. Inform. dan Teknol. Inf., vol. 2, no. 3, pp. 253–262, 2024, doi: 10.56854/jt.v2i3.331.
U. Nijunnihayah, S. S. Hilabi, F. Nurapriani, and E. Novalia, “Implementasi Algoritma K-Nearest Neighbor untuk Prediksi Penjualan Alat Kesehatan pada Media Alkes,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, pp. 695–701, 2024, doi: 10.57152/malcom.v4i2.1326.
L. N. Aziza, R. Y. Astuti, B. A. Maulana, and N. Hidayati, “Penerapan Algoritma K-Nearest Neighbor untuk Klasifikasi Ketahanan Pangan di Provinsi Jawa Tengah,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, pp. 404–412, 2024, doi: 10.57152/malcom.v4i2.1201.
M. F. Gusvino and D. Ahmad, “Algoritma K-Nearest Neighbor Terhadap Peluang Mahasiswa Menjadi Aktivis Kampus Pada Jurusan Matematika Universitas Negeri Padang,” J. Lebesgue J. Ilm. Pendidik. Mat. Mat. Dan Stat., vol. 4, no. 2, pp. 1202–1210, 2023, doi: 10.46306/lb.v4i2.401.
H. Li and J. Li, “Research and Application of University English Writing Teaching Reform Based on Data Mining,” J. Cases Inf. Technol., vol. 26, no. 1, pp. 1–16, 2024, doi: 10.4018/JCIT.347667.
D. I. Purnama, R. L. Islami, L. Sari, and P. R. Sihombing, “Analisis klasifikasi data tracer study dengan support vector machine dan neural network,” J. SISKOM-KB (Sistem Komput. Dan Kecerdasan Buatan), vol. 4, no. 2, pp. 46–52, 2021, doi: 10.47970/siskom-kb.v4i2.191.
S. Supriyatna and E. Fahrudin, “Pemanfaatan Algoritma Text Mining dalam Menemukan Pola Risiko Bencana sebagai Pengetahuan Kebencanaan dari Dokumen Kajian Risiko Bencana (KRB),” J. Inform. Utama, vol. 2, no. 1, pp. 35–42, 2024, doi: 10.55903/jitu.v2i1.164.
A. I. Rifai, “Analisis Text Clustering Masyarakat Di Twitter Mengenai Omnibus Law Menggunakan Orange Data Mining,” J. Inf. Syst. Informatics, vol. 3, no. 1, pp. 1–12, 2021, doi: 10.33557/journalisi.v3i1.78.
B. Hakim, “Analisa Sentimen Data Text Preprocessing Pada Data Mining Dengan Menggunakan Machine Learning,” JBASE - J. Bus. Audit Inf. Syst., vol. 4, no. 2, pp. 16–22, 2021, doi: 10.30813/jbase.v4i2.3000.
Bila bermanfaat silahkan share artikel ini
Berikan Komentar Anda terhadap artikel Analisis Sentimen Pengaruh Media Sosial Terhadap Keputusan Pembelian Konsumen Menggunakan Metode K-Nearest Neighbors (K-NN)
Pages: 23-31
Copyright (c) 2026 Adinda Febiola, Ratih Manalu, Retno Ajeng Kartika Said, Putrama Alkhairi
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
