Analisis Sentimen Komentar Pengguna Aplikasi Threads Pada Google Playstore Menggunakan Algoritma Multivariate Bernoulli

Maulidya Tasya Tri Admojo, Hardian Oktavianto, Nur Qodariyah Fitriyah

Abstract


Kemajuan teknologi media sosial semakin pesat, baik di Indonesia maupun di seluruh dunia. Threads, sebuah platform baru yang diluncurkan oleh Instagram, telah menjadi sangat populer di kalangan pengguna. Threads mempunyai fitur yang menyerupai Twitter dan memicu beragam pandangan dari penggunanya. Oleh karena itu, analisis sentimen pada komentar pengguna aplikasi ini menjadi penting untuk memahami persepsi publik. Penelitian ini menggunakan metode Multivariate Bernoulli untuk menganalisis sentimen komentar pengguna Threads di Google Playstore. Tujuan penelitian adalah untuk mengukur akurasi, presisi, dan recall dari metode tersebut, serta menentukan jumlah sentimen positif dan negatif. Hasil penelitian menunjukkan bahwa metode Multivariate Bernoulli memberikan performa yang sangat baik, dengan akurasi tertinggi mencapai 93,33% pada fold ke-10 langkah uji ke-8. Presisi tertinggi yang dicapai adalah 84,62%, sementara recall mencapai 100,00%. Penggunaan model yang paling akurat ini, analisis berhasil mengidentifikasi 38 data sebagai sentimen positif dan 22 data sebagai sentimen negatif. Temuan ini mengindikasikan bahwa metode Multivariate Bernoulli efektif untuk analisis sentimen pada platform media sosial seperti Threads, dengan tingkat akurasi yang tinggi dalam klasifikasi sentimen pengguna.


Kata kunci: Algoritma Multivariate Bernoulli; Analisis Sentimen; Google Playstore; Threads


Full Text:

PDF

References


Akbar, M. N., & Samrin Nirwana. 2023. Analisis Sentimen Komentar Pengguna Aplikasi Threads Pada Google Playstore Menggunakan Algoritma Multinominal Naive Bayes Classfier. AGENTS: Journal of Artificial Intelligence and Data Science, 3(2), 21–29. https://doi.org/10.24252/jagti.v3i2.67

Ashari, H., Arifianto, D., Azizah, H., & Faruq, A. 2020. Perbandingan Kinerja Algoritma Multinominal Naive Bayes (MNB, Multivariate Bernoulli dan Rocchio Algortihm Dalam Klasifikasi Konten Berita Hoax Berbahasa Indonesia Pada Media Sosial. Http://Repository.Unmuhjember.Ac.Id, 1–12.

Aziz, A. 2022. Analisis Sentimen Identifikasi Opini Terhadap Produk, Layanan dan Kebijakan Perusahaan Menggunakan Algoritma TF-IDF dan SentiStrength. Jurnal Sains Komputer & Informatika (J-SAKTI, 6(1), 115.

Aziza, A., Rani, S., & Munsyi, M. T. 2023. Klasifikasi Sentimen Radikalisme dalam Konten Dakwah Radikal Indonesia melalui Media Sosial Twitter dengan Menggunakan Analisis Sentimen dan Text Mining. Technologia: Jurnal Ilmiah, 14(3)

Azizah, H., Rintyarna, B. S., & Cahyanto, T. A. 2022. Sentimen Analisis Untuk Mengukur Kepercayaan Masyarakat Terhadap Pengadaan Vaksin Covid-19 Berbasis Bernoulli Naive Bayes. BIOS : Jurnal Teknologi Informasi Dan Rekayasa Komputer, 3(1), 23–29. https://doi.org/10.37148/bios.v3i1.36

Femilia Nugraini, Y., Rohmat Saedudin, R., & Andreswari, R. 2021. Implementasi Data Mining Dalam Kasus Mental Health Pada Sosial Media Twitter Menggunakan Metode Naive Bayes. E-Proceeding of Engineering, 8(5), 9260–9265.

Grandis, G. F., Arumsari, Y., & Indriati. 2021. Seleksi Fitur Gain Ratio pada Analisis Sentimen Kebijakan Pemerintah Mengenai Pembelajaran Jarak Jauh dengan K-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 5(8), 3507–3514.

Herdiyani, S., Safa’atul Barkah, C., Auliana, L., & Sukoco, I. 2022. Peranan Media Sosial Dalam Mengembangkan Suatu Bisnis: Literature Review. Jurnal Administrasi Bisnis, 18(2), 103–121.

Rahmadhika, M. K., & Thantawi, A. M. 2021. Rancang Bangun Aplikasi Face Recognition Pada Pendekatan CRM Menggunakan Opencv Dan Algoritma Haarcascade. IKRA-ITH INFORMATIKA: Jurnal Komputer Dan Informatika, 5(1), 109–118.

Ridwansyah, T. 2022. KLIK: Kajian Ilmiah Informatika dan Komputer Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold Cross Validation Dan Naïve Bayes Classifier. Media Online, 2(5), 178–185.

Rizaldi, S. A. R., Alam, S., & Kurniawan, I. 2023. Analisis Sentimen Pengguna Aplikasi JMO (Jamsostek Mobile) Pada Google Play Store Menggunakan Metode Naive Bayes. STORAGE: Jurnal Ilmiah Teknik Dan Ilmu Komputer, 2(3), 109–117.

Romadhoni, Y., & Holle, K. F. H. 2022. Analisis Sentimen Terhadap PERMENDIKBUD No.30 pada Media Sosial Twitter Menggunakan Metode Naive Bayes dan LSTM. Jurnal Informatika: Jurnal Pengembangan IT, 7(2), 118–124.

Sukmawanti, R., Arifianto, D., & Umilasari, R. 2023. Analisis Sentimen Tweet Terhadap Isu Pencalonan Presiden 2024 Menggunakan Algoritma Multivariate Bernoulli. Jurnal Smart Teknologi, 4(5), 2774–1702. http://jurnal.unmuhjember.ac.id/index.php/JST

Triono, A., Budi, A. S., & Abdillah, R. 2023. Implementasi Peretasan Sandi Vigenere Chipper Menggunakan Bahasa Pemograman Python. Jurnal Multidisiplin Riset (JUMRI) , 1(1), 1–9. https://jurnal.ittc.web.id/index.php/jumri


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.