Analisis Sentimen terhadap Pengguna Aplikasi Threads di Google Play Store dengan Menggunakan Metode Naïve Bayes ClassifieWanda SalSallBilaauthorThreads merupakan aplikasi tempat komunitas berkumpul untuk mendiskusikan segala sesuatu mulai dari topik yang menarik bagi pengguna hingga tren di masa mendatang. Kemunculan aplikasi ini seperti penyegaran terhadap pengguna media sosial, tetapi Threads mengalami penurunan jumlah rata-rata pengguna aktifnya. Untuk meningkatkan kualitas aplikasi ini, pengembangan perlu memeriksa ulasan dari pengguna aplikasi Threads di Google Play Store. Oleh karena itu, dilakukan penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Threads di Google Play Store dengan menggunakan Naïve Bayes Classifier. Jenis penelitian ini adalah penelitian terapan. Data yang digunakan pada penelitian ini adalah data sekunder berupa data ulasan berbahasa Indonesia oleh pengguna aplikasi Threads di Google Play Store. Data ulasan diperoleh dengan teknik crawling data menggunakan software Google Colab sebanyak 3.648 ulasan yang diambil dari tanggal 6 Juli 2023 sampai dengan 9 Juli 2023. Data diproses melalui tahapan cleaning, case folding, tokenizing, stopword, dan stemming. Selanjutnya pelabelan analisis sentimen dibagi menjadi sentimen positif dan sentimen negatif. Kemudian dilakukan pengklasifikasian sentimen untuk mengetahui keakuratan model dari algoritma Naïve Bayes Classifier. Berdasarkan analisis ulasan diperoleh informasi bahwa sentimen pengguna aplikasi Threads di Google Play Store adalah sebanyak 2407 ulasan yang bersentimen positif dan 473 ulasan yang bersentimen negatif. Hasil sentimen menunjukkan lebih banyak ulasan yang bersentimen positif yang berarti ulasan dari pengguna aplikasi Threads mendapat respon positif dari penggunanya. Dari hasil klasifikasi analisis sentimen ulasan pengguna aplikasi Threads di Google Play Store menggunakan Naïve Bayes Classifier diperoleh tingkat akurasi sebesar 82%QA Mathematics2023-11Universitas Negeri Padang;D.III Statistika FMIPA UNPThesis