ABSTRAK
AULIA NUR SUKMAWATI. Koreksi Ejaan Dengan Metode Levenshtein Distance Untuk Peningkatan Akurasi Analisis Sentimen Menggunakan K-Nearest Neighbors (dibimbing oleh Pasnur dan A. Sumardin)

Permasalahan yang terjadi adalah analisis sentimen pada ulasan pengguna aplikasi Akulaku penting dilakukan untuk mengetahui persepsi dan kepuasan pengguna.Namun, kualitas ulasan sering terpengaruh oleh penggunaan kata tidak baku, singkatan, maupun kesalahan penulisan, sehingga dapat menurunkan akurasi klasifikasi. Penelitian ini bertujuan untuk meningkatan akurasi analisis sentimen dengan menerapkan metode koreksi ejaan Levenshtein Distance sebelum proses klasifikasi menggunakan algoritma K- Nearest Neighbors (KNN). Data ini diperoleh
melalui studi pustaka dan hasil scrapping di playstore pada aplikasi akulaku. Metode yang digunakan dalam penelitian imi adalah penerapan koreksi ejaan, ekstraksi fitur dengan Term Frequency-Inverce Document Frequency (TF-IDF), dan klasifikasi dengan KNN. Hasil penelitian ini mennjukkan bahwa berdasarkan hasil pengujian menunjukkan bahwa tanpa koreksi ejaan, akurasi rata-rata hanya mencapai 53%, sedangkan dengan penerapan Levenshtein Distance akurasi meningkat hingga 70%. Temuan ini membuktikan bahwa tahap akoreksi ejaan berperan penting dalam meningkatkan representasi fitur teks sehingga menghasilkan kinerja klasifikasi yang lebih baik.

Kata kunci: Analisis Sentimen, K-Nearest Neighbors, Levenshtein Distance, TF-IDF, Ulasan Aplikasi.