Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal INTECOMS: Journal of Information Technology and Computer Science
Gita Tiara Aftita
Universitas Islam Negeri Sumatera Utara
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI THREADS PADA GOOGLE PLAY STORE DENGAN MENGGUNAKAN ALGORITMA NAIVE BAYES Gita Tiara Aftita; Raissa Amanda Putri
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 4 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/yn979w50

Abstract

Ulasan pengguna pada Google Play Store dapat digunakan untuk mengetahui tanggapan pengguna terhadap aplikasi Threads. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Threads pada Google Play Store menggunakan algoritma Naive Bayes. Sebanyak 5.000 ulasan dikumpulkan menggunakan Google Play Scraper dan selanjutnya melalui tahap text preprocessing yang meliputi cleaning, case folding, normalisasi, tokenisasi, stopword removal, dan stemming. Setelah preprocessing, diperoleh 3.312 ulasan yang kemudian diberi label sentimen berdasarkan rating pengguna. Selanjutnya, dilakukan vektorisasi Term Frequency-Inverse Document Frequency (TF-IDF) dan dibagi menjadi data latih dan data uji dengan rasio 80:20. Ketidakseimbangan kelas pada data latih ditangani melalui oversampling sebelum proses pelatihan menggunakan algoritma Naive Bayes. Evaluasi model dilakukan menggunakan confusion matrix. Hasil pengujian menunjukkan bahwa model memperoleh accuracy sebesar 70%. Performa terbaik diperoleh pada sentimen positif dengan F1-score sebesar 0,83, sedangkan sentimen netral memiliki F1-score sebesar 0,24. Hasil tersebut menunjukkan bahwa Naive Bayes mampu mengenali pola sentimen positif dengan lebih baik, sedangkan sentimen netral masih menjadi kelas yang paling sulit dikenali meskipun oversampling telah diterapkan. Kata Kunci: Analisis Sentimen, Threads, Google Play Store, TF-IDF, Naive Bayes
Co-Authors Raissa Amanda Putri