E-commerce merupakan proses atau kegiatan bisnis transaksi yang melibatkan barang dan jasa menggunakan teknologi informasi Di Indonesia sudah banyak perusahaan e-commerce yang berkembang, salah satunya adalah Bukalapak. Bukalapak menduduki urutan ketiga dalam kunjungan website setiap bulannya dengan total sebanyak 29.460.000 terhitungan dari Quarter 2 (April, Mei, Juni) 2021. Melihat persaingan e-commerce yang semakin ketat saat ini membuat Bukalapak ikut bersaing dalam merencanakan dan melakukan berbagai upaya agar dapat bertahan serta meningkatkan kualitas layanan terhadap konsumen. Salah satu cara yang dapat dilakukan adalah melakukan evaluasi dari hasil review. Untuk dapat mengambil sebuah keputusan dari hasil review langkah yang perlu diambil salah satunya dengan mengklasifikasikan review dengan bertujuan untuk mengkategorikan data terhadap komentar atau review sehingga dapat membantu pelaku usaha dalam menarik kesimpulan terkait kecenderungan komentar. Dataset yang digunakan pada penelitian ini berjumlah sebanyak 96.329 data. Sebelum melakukan analisis, data yang telah dikumpulkan dilakukan preprocessing sehingga memiliki jumlah sebanyak 87.241 data. Dikarenakan data memiliki missing value maka diatasi dengan metode imputasi menggunakan mode() atau modus. Setelah mengatasi missing value, dataset dihitung pembobotannya dengan tfidfVectorizer, selanjutnya dilakukan proses di resampling dengan SMOTE agar data seimbang. Review dianalisis dengan algoritma K-Nearest Neighbors dengan tiga skenario yaitu 60:40, 70:30, dan 80:20, serta memiliki tiga jenis k_neighbors yaitu k=3, k=5 dan k=7. Jarak yang digunakan pada penelitian ini adalah Euclidean. Hasil analisis menunjukan bahwa KNN terbaik ada pada rasio training dan testing 80:20 dengan k=3. Hasil analisis menunjukan akurasi training sebesar 82% dan hasil evaluasi sebesar 76%. Hasil klasifikasi dengan KNN menunjukan komentar negatif lebih banyak daripada yang positif. Dari hasil penelitian ini diharapkan dapat dijadikan bahan evaluasi bagi Bukalapak untuk meningkatkan kualitas layanan.
Kata kunci: E-commerce, Klasifikasi, K-Nearest Neighbors, Euclidean