Perbandingan Naïve Bayes Dan K-Nearest Neighbor Untuk Analisis Sentimen Terhadap Ulasan Aplikasi Threads

Abstrak

Indonesia telah memasuki era digitalisasi. Penggunaan internet oleh masyarakat telah meningkat karena pertumbuhan teknologi yang cepat. Aplikasi threads adalah aplikasi media sosial berbasis aplikasi mobile apps yang diluncurkan pada tahun 2023. Konten yang menghibur membuat aplikasi threads banyak diunduh, dari banyaknya unduhan terdapat ulasan yang beragam. Tujuan dari penelitian ini ialah untuk mengklasifikasikan ulasan yang diberikan oleh pengguna aplikasi threads dengan membandingkan dua metode algoritme seperti Naive Bayes dan K-Nearest Neighbor dengan tujuannya untuk melihat teknik mana yang memberikan hasil yang lebih baik ketika diterapkan pada ulasan di aplikasi Threads. Data yang dimanfaatkan berupa ulasan aplikasi Threads dari Google Playstore, yang mencakup 500 ulasan positif dan 500 ulasan negative. Hasil pengujian pada 1000 data yang kemudian dibagi dengan rasio 80% untuk data training dan 20% untuk data testing, dengan memastikan distribusi label yang seimbang.  Performa metode Naïve Bayes mengungguli di bandingkan K-Nearest Neighbors. Metode dari Naïve Bayes mempunyai nilai F1-Score mencapai 84%, Accuracy sebesar 84%, Recall sebesar 84%, dan Precision sebesar 85%. Sedangkan metode K-Nearest Neighbors memiliki nilai F1-Score sebesar 73%, Accuracy sebesar 73%, Recall sebesar 73%, dan Precision sebesar 73%.