PERBANDINGAN ALGORITMA NAÏVE BAYES, K-NN,
DECISION TREE TERHADAP ULASAN APLIKASI
THREADS DAN TWITTER
muhammad iqbal; ade davy wiranata;
No. Panggil: eSTI-2003015157
Perbandingan Algoritma Naïve Bayes, KNN, Decision Tree Terhadap Ulasan
Aplikasi Threads dan Twitter
Muhammad Iqbal
Media sosial adalah kegiatan bersosialisasi melalui internet, yang memiliki banyak kemudahan yang
memungkinkan orang berkomunikasi dan mengakses informasi dengan cepat. Media sosial banyak
digunakan untuk mendapatkan berita yang sulit didapat. Aplikasi media sosial cukup poluler seperti
Twitter dan baru-baru ini media sosial yang memiliki fitur yang mirip yaitu Threads. Oleh karena
itu, tujuan dari penelitian ini adalah untuk membandingkan 3 metode algoritma dari ulasan yang
dibuat oleh pengguna pada dua aplikasi, yaitu Twitter dan Threads. Peneliti menggunakan 899
ulasan di Twitter, dengan 245 sentimen positif dan 654 sentimen negatif, dan 638 ulasan di Threads,
dengan 220 sentimen positif dan 418 sentimen negatif. Cleansing, preprocessing, dan modeling
adalah langkah-langkah yang akan dilalui untuk memproses data. Dalam penelitian ini, model split
data dan cross validation digunakan, dan tiga algoritma yang digunakan adalah Naïve Bayes,
Decision Tree, dan KNN, dengan perbandingan 80:20 untuk data latihan dan data uji. Nilai akurasi
yang didapat untuk Naïve Bayes adalah 85.56%, Decision Tree adalah 72.78%, dan KNN pada
aplikasi Twitter, sedangkan aplikasi threads mendapatkan 66.41% untuk Naïve Bayes, Decision
Tree mendapatkan 65.41%, dan aplikasi threads mendapatkan 66.41%. Pada algoritma Naïve bayes
dihitung precision, recall pada aplikasi Threads dan Twitter. Pada aplikasi Threads mendapatkan
64.86% pada precision dan 73.85% pada recall, sedangkan aplikasi Twitter mendapatkan 84.69%
pada precision dan 88.30% pada recall.
Kata Kunci: Naïve Bayes; KNN; Decision Tree
Perbandingan Algoritma Naïve Bayes, KNN, Decision Tree Terhadap Ulasan
Aplikasi Threads dan Twitter
Muhammad Iqbal
Social media is a socializing activity through the internet, which has many conveniences that allow
people to communicate and access information quickly. Social media is widely used to get news that
is difficult to get. Social media applications are quite popular such as Twitter and recently social
media that has similar features, namely Threads. Therefore, the purpose of this study is to compare
3 algorithmic methods of user-generated reviews on two applications, namely Twitter and Threads.
We used 899 reviews on Twitter, with 245 positive sentiments and 654 negative sentiments, and
638 reviews on Threads, with 220 positive sentiments and 418 negative sentiments. Cleansing,
preprocessing, and modeling are the steps that will be passed to process the data. In this study, split
data and cross validation models were used, and the three algorithms used were Naïve Bayes,
Decision Tree, and KNN, with a ratio of 80:20 for training data and test data. The accuracy value
obtained for Naïve Bayes is 85.56%, Decision Tree is 72.78%, and KNN on the Twitter application,
while the threads application gets 66.41% for Naïve Bayes, Decision Tree gets 65.41%, and the
threads application gets 66.41%. In the Naïve Bayes algorithm, precision, recall are calculated in
the Threads and Twitter applications. The Threads application gets 64.86% in precision and 73.85%
in recall, while the Twitter application gets 84.69% in precision and 88.30% in recall.
Keywords: Naïve Bayes; KNN; Decision Tree
