Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Equilibrium Economic Education Analysis Journal JPPI | Jurnal Penelitian Pendidikan Islam TAJDID JATI (Jurnal Mahasiswa Teknik Informatika) Tsamratul Fikri (TF) Research of Economics and Business
Nurzaman Nurzaman
Sekolah Tinggi Teknologi Garut
Religion Humanities Computer Science & IT Economics, Econometrics & Finance Education Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
ANALISIS SENTIMEN ULASAN APLIKASI THREADS DI GOOGLE PLAYSTORE MENGGUNAKAN ALGORITMA NAÏVE BAYES Nurzaman, Nurzaman; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8708

Abstract

Aplikasi Threads merupakan aplikasi perpesanan yang dikembangkan oleh Meta Platforms, Inc. (Meta). Aplikasi ini memungkinkan pengguna untuk berkomunikasi dengan teman dan keluarga melalui pesan teks, gambar, dan video. Permasalahan ini masih ada beberapa pengguna yang memberikan ulasan negatif tentang aplikasi ini, dan Ulasan-ulasan negatif ini dapat menurunkan reputasi aplikasi dan membuat pengguna lain enggan untuk menggunakan aplikasi tersebut. Tujuan utama yakni untuk mengklasifikasikan pendapat positif, netral, dan negatif berdasarkan nilai akurasi, presisi, dan recall yang dihasilkan dari analisis sentimen menggunakan algoritma naive bayes. Oleh karena itu, diperlukan sistem yang dapat mengkategorikan komentar dan menganalisis sentimen pengguna. Metode Penelitian ini menggunakan Knowledge Discovery in Database (KDD), web scraping Python untuk mengumpulkan data ulasan pengguna aplikasi Threads di Google PlayStore. Data yang dikumpulkan mencakup dari periode Agustus hingga November 2023 dengan jumlah 1500 data teks. Metode Naïve Bayes Classifier, metode klasifikasi ini dipilih karena memiliki kecepatan pemrosesan menghasilkan akurasi yang tinggi dan dapat memproses data jumlah yang besar. Hasil penelitian bahwa Pengujian analisis sentimen dilakukan dengan mengukur nilai recall, precision, dan accuracy. Menunjukkan bahwa nilai accuracy mencapai 73% yang menunjukkan bahwa model analisis sentimen mampu memprediksi sentimen dengan akurasi yang tinggi. Nilai precision juga mencapai 70%, Recall 99%.
Co-Authors A.A. Ketut Agung Cahyawan W Ade Rustiana Awaliyah, Tuti Ds, Ngatimin Fadhlillah, Penny Rahmah Fitriani, Euis Kamal, Mustopa Khalimi Khalimi, Khalimi Lukmanul Hakim Nasruloh, Ahmad Prihartono, Willy Rima Annisa Romli, Rima Annisa Sofie Fadhilah Chomas, Sofie Fadhilah Suarna, Nana Syamsu Hadi Tarjono, Tarjono