Seiring dengan perkembangan teknologi informasi dan pesatnya pertumbuhan
industri e-commerce, masyarakat semakin aktif memberikan ulasan terhadap
produk atau layanan yang mereka gunakan. Platform seperti Lazada menjadi salah
satu e-commerce yang banyak menerima ulasan dari penggunanya. Ulasan-ulasan
ini dapat dianalisis untuk mengetahui sentimen pengguna, baik positif maupun
negatif, yang dapat dimanfaatkan untuk meningkatkan kualitas layanan. Namun,
pengolahan ulasan dalam jumlah besar secara manual tentu tidak efisien, sehingga
diperlukan metode analisis otomatis seperti sentiment analysis. Penelitian ini
bertujuan untuk mengklasifikasikan sentimen ulasan pengguna pada aplikasi
Lazada menggunakan algoritma K-Nearest Neighbor (K-NN). Dataset yang
digunakan berjumlah 5.000 ulasan, yang dibagi menjadi 80% data pelatihan
(training) dan 20% data pengujian (testing). Proses analisis melibatkan tahap
preprocessing teks, ekstraksi fitur menggunakan metode Term Frequency-Inverse
Document Frequency (TF-IDF), serta penerapan algoritma K-NN. Hasil pengujian
menunjukkan bahwa nilai K optimal berada pada K-29 dengan akurasi sebesar
83%. Selain itu, metode 30-fold cross validation juga digunakan untuk mengukur
stabilitas model, yang menghasilkan rata-rata akurasi sebesar 80,30%. Berdasarkan
hasil tersebut, algoritma K-NN terbukti cukup efektif dalam mengklasifikasikan
sentimen ulasan e-commerce dan dapat digunakan sebagai dasar pengembangan
sistem pendukung keputusan di bidang layanan pelanggan.