Analisis sentimen pada ulasan Crypto Exchange menggunakan K-nearest Neighbor dan Bootstrap Aggregating (Studi kasus : Ajaib Kripto)

Dalam beberapa tahun terakhir, mata uang kripto menjadi perhatian global sebagai aset investasi yang menarik, didorong oleh teknologi blockchain yang terdesentralisasi dan immutable, memberikan keamanan serta efisiensi. Pertumbuhan adopsi mata uang kripto melahirkan platform crypto exchange inovatif di Indonesia, seperti Ajaib Kripto. Ulasan pengguna menjadi sumber informasi penting untuk memahami pengalaman mereka. Penelitian ini menganalisis sentimen ulasan aplikasi "Ajaib Kripto" di Google Play Store dengan menggabungkan pendekatan K-Nearest Neighbors (KNN) dan Bootstrap Aggregating. Terdapat 3.281 data berupa ulasan beserta jumlah rating yang dibagi menjadi dua kelas, yaitu positif dan negatif. Kelebihan menggunakan KNN adalah kesederhanaan dan efisiensinya dalam klasifikasi, sedangkan Bagging berfungsi untuk meningkatkan akurasi model dengan mengurangi varians dan mengatasi overfitting. Pada pembagian data 80:20 dengan nilai K=5, model KNN menghasilkan nilai akurasi sebesar 86%, presisi 87%, recall 86%, dan F1-Score 86%. Sementara itu, model KNN+Bagging menunjukkan performa akurasi sebesar 87%, presisi 88%, recall 87%, dan F1-Score 87%, dengan selisih 1% untuk setiap ukuran metrik performa.