<![CDATA[Pertumbuhan Threads sebagai media sosial baru memunculkan kebutuhan akan pemahaman sentimen pengguna. Ulasan di Google Play Store menjadi sumber penting untuk menangkap persepsi publik terhadap fitur dan performa aplikasi. Sebagai platform yang masih berkembang, Threads menyediakan peluang strategis bagi pengembang untuk merespons masukan secara tepat. Namun, besarnya volume dan format ulasan yang tidak seragam menyulitkan proses analisis secara manual. Penelitian ini membandingkan kinerja empat algoritma Naïve Bayes (probabilistic), SVM (linear), K-NN (instance-based), dan Random Forest (ensemble) dalam klasifikasi sentimen ulasan Threads. Penelitian ini dimulai dengan studi literatur dan pengumpulan data ulasan Threads melalui scraping. Dilabeli menggunakan IndoBERT, proses preprocessing mencakup remove duplicate, cleaning, normalization, tokenization, stopwords dan lemmatization, diekstraksi dengan TF-IDF, diseimbangkan memakai SMOTE, lalu dibagi 80:20 untuk latih dan uji. Evaluasi mencakup akurasi, presisi, recall, F1-score, serta waktu pelatihan dan prediksi. Hasil menunjukkan Random Forest menjadi algoritma terbaik (akurasi 81,8%; F1-score 76,6%), disusul SVM (81,4%; 75,9%), Naïve Bayes (79,1%; 72,4%), dan K-NN (61,2%; 57,6%). Random Forest unggul hampir di semua metrik, SVM efisien dengan performa seimbang, Naïve Bayes menonjol pada kecepatan, sementara K-NN lambat pada prediksi. Untuk implementasi, dibangun dashboard interaktif berbasis Streamlit guna memvisualisasikan perkembangan dan prediksi sentimen pengguna Threads.]]>
Copyrights © 2026
