Analisis Sentimen Ulasan Pengguna Aplikasi Threads Menggunakan Pendekatan Long Short-Term Memory
Keywords:
Analisis Sentimen, Long Short-Term Memory, Ulasan, Threads
Abstract
Aplikasi Threads merupakan platform media sosial yang memiliki banyak ulasan pengguna di Google Play Store, yang mencerminkan berbagai opini dan pengalaman pengguna. Namun, besarnya jumlah data serta penggunaan bahasa tidak baku dan variasi ekspresi sentimen membuat analisis manual menjadi kurang efisien dan objektif, sehingga diperlukan pendekatan berbasis pembelajaran mesin untuk melakukan analisis secara otomatis. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi Threads di GooglePlay Store menggunakan algoritma Long Short-Term Memory (LSTM). Data ulasan dikumpulkan dan diproses melalui tahapan pra-pemrosesan teks. Analisis sentimen yang dilakukan pada penelitian ini menggunakan 5.000 data ulasan dengan pembagian 79,98% sebagai data training dan 20,02% sebagai data testing. Model LSTM yang dikembangkan dilatih untuk mengklasifikasikan sentimen ulasan ke dalam tiga kategori, yaitu negatif, netral, dan positif. Hasil evaluasi menunjukkan bahwa model LSTM mampu mencapai tingkat akurasi sebesar 86,20%. Hasil penelitian ini diharapkan dapat memberikan gambaran sentimen pengguna terhadap aplikasi Threads serta menjadi bahan evaluasi bagi pengembang dalam meningkatkan kualitas dan pengalaman pengguna aplikasi.
References
K. Nafi, R. Sholehah, and N. Rahim, “Unveiling
Insights : A Knowledge Discovery Approach to
Comparing Topic Modeling Techniques in
Digital Health Research,” vol. 8, no. 1, pp. 111–
125, 2024.
[2] R. Sovia, A. Muhammad, S. Arlis, Guslendra,
and S. Defit, “Analysis of sales levels of
pharmaceutical products by using data mining
algorithm C45,” Indones. J. Electr. Eng.
Comput. Sci., vol. 22, no. 1, pp. 476–484, 2021,
doi: 10.11591/ijeecs.v22.i1.pp476-484.
[3] W. Wahidin et al., “Application of data mining
techniques using the K- Means Method on
Unmet Need of Health Services by Province in
Indonesia Application of data mining techniques
using the K-Means Method on Unmet Need of
Health Services by Province in Indonesia”, doi:
10.1088/1742-6596/1783/1/012012.
[4] A. P. Windarto, A. Wanto, and R. Watrianthos,
“A Comprehensive Bibliometric Analysis of
Deep Learning Techniques for Breast Cancer
Segmentation: Trends and Topic Exploration
(2019-2023),” vol. 5, no. 158, pp. 5–10, 2026.
[5] N. Farid, Mohammad, S. Ferdiana Kusuma, J.
Ngagel, and J. Selatan, “JEPIN (Jurnal Edukasi
dan Penelitian Informatika) Analisis Sentimen
pada Media Sosial Twitter Terhadap Kebijakan
Pemberlakuan Pembatasan Kegiatan
Masyarakat Berbasis Deep Learning,” JEPIN
(Jurnal Edukasi dan Penelit. Inform., vol. 8, no.
1, pp. 44–49, 2022.
[6] A. Azzam, N. Prasetyo, and M. F. N. Maghfiroh,
“The Integration of Kansei Engineering and
Kano Model on Natural Language Processing (
NLP ) to Support Development of Service
Product in the Borobudur Temple Tourism,”
vol. 14, no. 2, 2024.
[7] R. C. Rivaldi and T. D. Wismarini, “Sentiment
Analysis on Product Reviews with Natural
Language Processing (NLP) Method (Case
Study Zalika Store 88 Shopee),” J. Ilm.
Elektron. dan Komput., vol. 17, no. 1, pp. 120–
128, 2024.
[8] P. F. Rachman and H. Santoso, “Jurnal
Teknologi dan Manajemen Informatika
Perbandingan Model Deep Learning untuk
Klasifikasi Sentiment Analysis dengan Teknik
Natural Languange Processing Article Info
ABSTRACT,” Teknol. dan Manaj. Inform., vol.
7, no. 2, pp. 103–112, 2021, [Online]. Available:
http://http//jurnal.unmer.ac.id/index.php/jtmi
[9] W. Budiharto, “Data science approach to stock
prices forecasting in Indonesia during Covid ‑
19 using Long Short ‑ Term Memory ( LSTM
),” J. Big Data, 2021, doi: 10.1186/s40537-021-
00430-0.
[10] Y. Romadhoni and K. F. H. Holle, “Analisis
Sentimen Terhadap PERMENDIKBUD No.30Jurnal Ilmiah Binary STMIK Bina Nusantara Jaya
Vol. 0 1 No. 02 Tahun 2019, ISSN : 2657– 2117
Penulis, Judul Artikel
pada Media Sosial Twitter Menggunakan
Metode Naive Bayes dan LSTM,” J. Inform. J.
Pengemb. IT, vol. 7, no. 2, pp. 118–124, 2022,
doi: 10.30591/jpit.v7i2.3191.
[11] N. Nurzaman, N. Suarna, and W. Prihartono,
“Analisis Sentimen Ulasan Aplikasi Threads Di
Google Playstore Menggunakan Algoritma
Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform.,
vol. 8, no. 1, pp. 967–974, 2024, doi:
10.36040/jati.v8i1.8708.
[12] P. Arsi, R. Wahyudi, and R. Waluyo, “Optimasi
SVM Berbasis PSO pada Analisis Sentimen
Wacana Pindah Ibu Kota Indonesia,” J. RESTI,
vol. 5, no. 2, pp. 231–237, 2021, doi:
10.29207/resti.v5i2.2698.
[13] M. Lestandy, A. Abdurrahim, and L. Syafa’ah,
“Analisis Sentimen Tweet Vaksin COVID-19
Menggunakan Recurrent Neural Network dan
Naïve Bayes,” J. RESTI, vol. 5, no. 4, pp. 802–
808, 2021, doi: 10.29207/resti.v5i4.3308.
[14] R. N. Fauzi et al., “Analisis Sentimen Program
Makan Bergizi Gratis Siswa SMAN 01
Manokwari dengan Naïve Bayes Sentiment
Analysis of the Free Nutritional Meal Program
for Students of SMAN 01 Manokwari Using
Naive Bayes,” vol. 7, no. 02, pp. 38–45, 2025,
doi: 10.52303/jb.v7i2.161.
[15] E. Yuniar, D. S. Utsalinah, and D.
Wahyuningsih, “Implementasi Scrapping Data
Untuk Sentiment Analysis Pengguna Dompet
Digital dengan Menggunakan Algoritma
Machine Learning,” J. Janitra Inform. dan Sist.
Inf., vol. 2, no. 1, pp. 35–42, 2022, doi:
10.25008/janitra.v2i1.145.
[16] I. H. Kusuma and N. Cahyono, “Analisis
Sentimen Masyarakat Terhadap Penggunaan E-
Commerce Menggunakan Algoritma K-Nearest
Neighbor,” J. Inform. J. Pengemb. IT, vol. 8, no.
3, pp. 302–307, 2023, doi:
10.30591/jpit.v8i3.5734.
[17] Alfarizi M. Riziq Sirfatullah, Al-farish
Muhamad Zidan, Taufiqurrahman Muhamad,
Ardiansah Ginan, and Elgar Muhamad,
“Penggunaan Python Sebagai Bahasa
Pemrograman untuk Machine Learning dan
Deep Learning,” Karya Ilm. Mhs. Bertauhid
(KARIMAH TAUHID), vol. 2, no. 1, pp. 1–6,
2023.
[18] P. P. O. Mahawardana, G. A. Sasmita, and I. P.
A. E. Pratama, “Analisis Sentimen Berdasarkan
Opini dari Media Sosial Twitter terhadap
‘Figure Pemimpin’ Menggunakan Python,”
JITTER J. Ilm. Teknol. dan Komput., vol. 3, no.
1, p. 810, 2022, doi:
10.24843/jtrti.2022.v03.i01.p17.
[19] R. Vindua and A. U. Zailani, “Analisis Sentimen
Pemilu Indonesia Tahun 2024 Dari Media Sosial
Twitter Menggunakan Python,” JURIKOM
(Jurnal Ris. Komputer), vol. 10, no. 2, p. 479,
2023, doi: 10.30865/jurikom.v10i2.5945.
[20] V. No, J. Hal, and R. G. Guntara, “Pemanfaatan
Google Colab Untuk Aplikasi Pendeteksian
Masker Wajah Menggunakan Algoritma Deep
Learning YOLOv7 Jurnal Teknologi Dan
Sistem Informasi Bisnis,” vol. 5, no. 1, pp. 55–
60, 2023.
[21] Miftahul Arifin, Fauzi Helmi, and D. F.
Alamsyah, “Analisis Pola Asosiasi Penjualan
Produk Ritel Dengan Platform Google Colab,”
JUSTIFY J. Sist. Inf. Ibrahimy, vol. 3, no. 1, pp.
74–85, 2024, doi: 10.35316/justify.v3i1.5569.
[22] F. Nufairi, N. Pratiwi, and F. Herlando,
“Analisis Sentimen Pada Ulasan Aplikasi
Threads Di Google Play Store Menggunakan
Algoritma Support Vector Machine,” JIPI
(Jurnal Ilm. Penelit. dan Pembelajaran Inform.,
vol. 9, no. 1, pp. 339–348, 2024, doi:
10.29100/jipi.v9i1.4929.
Insights : A Knowledge Discovery Approach to
Comparing Topic Modeling Techniques in
Digital Health Research,” vol. 8, no. 1, pp. 111–
125, 2024.
[2] R. Sovia, A. Muhammad, S. Arlis, Guslendra,
and S. Defit, “Analysis of sales levels of
pharmaceutical products by using data mining
algorithm C45,” Indones. J. Electr. Eng.
Comput. Sci., vol. 22, no. 1, pp. 476–484, 2021,
doi: 10.11591/ijeecs.v22.i1.pp476-484.
[3] W. Wahidin et al., “Application of data mining
techniques using the K- Means Method on
Unmet Need of Health Services by Province in
Indonesia Application of data mining techniques
using the K-Means Method on Unmet Need of
Health Services by Province in Indonesia”, doi:
10.1088/1742-6596/1783/1/012012.
[4] A. P. Windarto, A. Wanto, and R. Watrianthos,
“A Comprehensive Bibliometric Analysis of
Deep Learning Techniques for Breast Cancer
Segmentation: Trends and Topic Exploration
(2019-2023),” vol. 5, no. 158, pp. 5–10, 2026.
[5] N. Farid, Mohammad, S. Ferdiana Kusuma, J.
Ngagel, and J. Selatan, “JEPIN (Jurnal Edukasi
dan Penelitian Informatika) Analisis Sentimen
pada Media Sosial Twitter Terhadap Kebijakan
Pemberlakuan Pembatasan Kegiatan
Masyarakat Berbasis Deep Learning,” JEPIN
(Jurnal Edukasi dan Penelit. Inform., vol. 8, no.
1, pp. 44–49, 2022.
[6] A. Azzam, N. Prasetyo, and M. F. N. Maghfiroh,
“The Integration of Kansei Engineering and
Kano Model on Natural Language Processing (
NLP ) to Support Development of Service
Product in the Borobudur Temple Tourism,”
vol. 14, no. 2, 2024.
[7] R. C. Rivaldi and T. D. Wismarini, “Sentiment
Analysis on Product Reviews with Natural
Language Processing (NLP) Method (Case
Study Zalika Store 88 Shopee),” J. Ilm.
Elektron. dan Komput., vol. 17, no. 1, pp. 120–
128, 2024.
[8] P. F. Rachman and H. Santoso, “Jurnal
Teknologi dan Manajemen Informatika
Perbandingan Model Deep Learning untuk
Klasifikasi Sentiment Analysis dengan Teknik
Natural Languange Processing Article Info
ABSTRACT,” Teknol. dan Manaj. Inform., vol.
7, no. 2, pp. 103–112, 2021, [Online]. Available:
http://http//jurnal.unmer.ac.id/index.php/jtmi
[9] W. Budiharto, “Data science approach to stock
prices forecasting in Indonesia during Covid ‑
19 using Long Short ‑ Term Memory ( LSTM
),” J. Big Data, 2021, doi: 10.1186/s40537-021-
00430-0.
[10] Y. Romadhoni and K. F. H. Holle, “Analisis
Sentimen Terhadap PERMENDIKBUD No.30Jurnal Ilmiah Binary STMIK Bina Nusantara Jaya
Vol. 0 1 No. 02 Tahun 2019, ISSN : 2657– 2117
Penulis, Judul Artikel
pada Media Sosial Twitter Menggunakan
Metode Naive Bayes dan LSTM,” J. Inform. J.
Pengemb. IT, vol. 7, no. 2, pp. 118–124, 2022,
doi: 10.30591/jpit.v7i2.3191.
[11] N. Nurzaman, N. Suarna, and W. Prihartono,
“Analisis Sentimen Ulasan Aplikasi Threads Di
Google Playstore Menggunakan Algoritma
Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform.,
vol. 8, no. 1, pp. 967–974, 2024, doi:
10.36040/jati.v8i1.8708.
[12] P. Arsi, R. Wahyudi, and R. Waluyo, “Optimasi
SVM Berbasis PSO pada Analisis Sentimen
Wacana Pindah Ibu Kota Indonesia,” J. RESTI,
vol. 5, no. 2, pp. 231–237, 2021, doi:
10.29207/resti.v5i2.2698.
[13] M. Lestandy, A. Abdurrahim, and L. Syafa’ah,
“Analisis Sentimen Tweet Vaksin COVID-19
Menggunakan Recurrent Neural Network dan
Naïve Bayes,” J. RESTI, vol. 5, no. 4, pp. 802–
808, 2021, doi: 10.29207/resti.v5i4.3308.
[14] R. N. Fauzi et al., “Analisis Sentimen Program
Makan Bergizi Gratis Siswa SMAN 01
Manokwari dengan Naïve Bayes Sentiment
Analysis of the Free Nutritional Meal Program
for Students of SMAN 01 Manokwari Using
Naive Bayes,” vol. 7, no. 02, pp. 38–45, 2025,
doi: 10.52303/jb.v7i2.161.
[15] E. Yuniar, D. S. Utsalinah, and D.
Wahyuningsih, “Implementasi Scrapping Data
Untuk Sentiment Analysis Pengguna Dompet
Digital dengan Menggunakan Algoritma
Machine Learning,” J. Janitra Inform. dan Sist.
Inf., vol. 2, no. 1, pp. 35–42, 2022, doi:
10.25008/janitra.v2i1.145.
[16] I. H. Kusuma and N. Cahyono, “Analisis
Sentimen Masyarakat Terhadap Penggunaan E-
Commerce Menggunakan Algoritma K-Nearest
Neighbor,” J. Inform. J. Pengemb. IT, vol. 8, no.
3, pp. 302–307, 2023, doi:
10.30591/jpit.v8i3.5734.
[17] Alfarizi M. Riziq Sirfatullah, Al-farish
Muhamad Zidan, Taufiqurrahman Muhamad,
Ardiansah Ginan, and Elgar Muhamad,
“Penggunaan Python Sebagai Bahasa
Pemrograman untuk Machine Learning dan
Deep Learning,” Karya Ilm. Mhs. Bertauhid
(KARIMAH TAUHID), vol. 2, no. 1, pp. 1–6,
2023.
[18] P. P. O. Mahawardana, G. A. Sasmita, and I. P.
A. E. Pratama, “Analisis Sentimen Berdasarkan
Opini dari Media Sosial Twitter terhadap
‘Figure Pemimpin’ Menggunakan Python,”
JITTER J. Ilm. Teknol. dan Komput., vol. 3, no.
1, p. 810, 2022, doi:
10.24843/jtrti.2022.v03.i01.p17.
[19] R. Vindua and A. U. Zailani, “Analisis Sentimen
Pemilu Indonesia Tahun 2024 Dari Media Sosial
Twitter Menggunakan Python,” JURIKOM
(Jurnal Ris. Komputer), vol. 10, no. 2, p. 479,
2023, doi: 10.30865/jurikom.v10i2.5945.
[20] V. No, J. Hal, and R. G. Guntara, “Pemanfaatan
Google Colab Untuk Aplikasi Pendeteksian
Masker Wajah Menggunakan Algoritma Deep
Learning YOLOv7 Jurnal Teknologi Dan
Sistem Informasi Bisnis,” vol. 5, no. 1, pp. 55–
60, 2023.
[21] Miftahul Arifin, Fauzi Helmi, and D. F.
Alamsyah, “Analisis Pola Asosiasi Penjualan
Produk Ritel Dengan Platform Google Colab,”
JUSTIFY J. Sist. Inf. Ibrahimy, vol. 3, no. 1, pp.
74–85, 2024, doi: 10.35316/justify.v3i1.5569.
[22] F. Nufairi, N. Pratiwi, and F. Herlando,
“Analisis Sentimen Pada Ulasan Aplikasi
Threads Di Google Play Store Menggunakan
Algoritma Support Vector Machine,” JIPI
(Jurnal Ilm. Penelit. dan Pembelajaran Inform.,
vol. 9, no. 1, pp. 339–348, 2024, doi:
10.29100/jipi.v9i1.4929.
Published
2026-04-20
Section
Articles
