<![CDATA[Kemajuan teknologi informasi mendorong pengguna untuk memberikan ulasan terhadap aplikasi digital, termasuk Threads, platform berbasis teks yang dirilis oleh Meta Platforms Dengan menggunakan Algoritma Naive Bayes, penelitian ini bertujuan menganalisis ulasan pengguna aplikasi Threads di Google Play Store. Tahapan penelitian meliputi pengumpulan data melalui teknik scraping, pemrosesan awal data (preprocessing), pembobotan menggunakan metode TF-IDF, serta klasifikasi sentimen dengan membagi data ke dalam set pelatihan (training) dan pengujian (testing). Hasil penelitian menunjukkan bahwa sebagian besar ulasan pengguna memiliki sentimen yang positif, dengan akurasi klasifikasi sebesar 84%. Untuk sentimen negatif, precision, recall, dan f1-score masing-masing mencapai 74%, 65%, dan 69%. Sementara itu, sentimen positif memiliki precision sebesar 84%, recall 89%, dan f1-score 86%. Meskipun model berhasil mengklasifikasikan sentimen dengan baik, masih terdapat kesalahan identifikasi pada ulasan negatif, disebabkan oleh hal-hal seperti bahasa yang tidak jelas dan sentimen yang beragam. Penelitian ini membantu pengembang meningkatkan pengalaman pengguna dan kualitas aplikasi. Untuk penelitian selanjutnya, disarankan membandingkan algoritma lain seperti k-Nearest Neighbour atau kernel RBF serta menerapkan metode k-fold cross validation untuk meningkatkan keakuratan model.]]>
Copyrights © 2026
