This study is motivated by the discrepancy between the ratings and reviews given by users of the Threads application on the Google Play Store, raising questions about the accuracy of app evaluations based on user sentiment. To address this issue, this research conducts sentiment analysis on user reviews by comparing the performance of two machine learning algorithms, namely Naive Bayes and Recurrent Neural Network (RNN). The data used in this study were taken from the reviews of the Threads application on the Play Store. The results show that the RNN algorithm performs better in classifying user sentiment with an accuracy of 78%, compared to Naive Bayes, which achieved 74% accuracy. This conclusion emphasizes that selecting the appropriate algorithm is crucial in sentiment analysis to obtain more accurate and relevant results.

Penelitian ini dilatarbelakangi oleh fenomena ketidaksesuaian antara rating dan ulasan yang diberikan pengguna terhadap aplikasi Threads di Google Play Store, yang menimbulkan pertanyaan mengenai akurasi penilaian aplikasi berdasarkan sentimen ulasan pengguna. Untuk mengatasi masalah ini, penelitian ini melakukan analisis sentimen terhadap ulasan pengguna dengan membandingkan kinerja dua algoritma pembelajaran mesin, yaitu Naive Bayes dan Recurrent Neural Network (RNN). Data yang digunakan dalam penelitian ini diambil dari ulasan aplikasi Threads di Play Store. Hasil penelitian menunjukkan bahwa algoritma RNN memiliki kinerja yang lebih baik dalam mengklasifikasikan sentimen ulasan pengguna dengan akurasi sebesar 78%, dibandingkan dengan Naive Bayes yang memiliki akurasi 74%. Kesimpulan ini menegaskan bahwa pemilihan algoritma yang tepat sangat penting dalam analisis sentimen untuk mendapatkan hasil yang lebih akurat dan relevan.