SENTIMEN ANALISIS TIM SEPAK BOLA DI PIALA ASIA 2023 BERDASARKAN PENGGUNA TWITTER (X) MENGGUNAKAN ALGORITMA MULTINOMIAL NAÏVE BAYES

Muhammad Naufal; Budi Arifitama; Silvester Dian Handy Permana

doi:10.33479/kurawal.v7i2.1098

Muhammad Naufal Teknik Informatika - Universitas Trilogi
Budi Arifitama Universitas Trilogi
Silvester Dian Handy Permana

DOI: https://doi.org/10.33479/kurawal.v7i2.1098

Abstract

Perkembangan media sosial mengubah cara kita berkomunikasi dan berinteraksi, Dimana media sosial telah menyediakan sumber data yang kaya akan opini dan persepsi dari berbagai pengguna. Dalam konteks Olahraga, sentimen analisis terhadap Tim Sepak Bola Nasional Indonesia dapat memberikan wawasan yang baik tentang dukungan persepsi publik terhadap Tim Sepak Bola Nasional Indonesia dan juga menjadi bahan evaluasi tim nasional indonesia di masa yang akan datang. Studi ini akan menghasilkan opini publik positif dan negatif pada saat kondisi tim nasional indonesia mengalami kekalahan, kemenangan dan keseluruhan selama mengikuti ajang turnamen piala asia 2023, studi ini menggunakan pendekatan algoritma Multinomial Naïve Bayes Classification (MNB) untuk mengklasifikasikan dan training data, menggunakan library Valence Aware Dictionary and sEntiment Reasoner (VADER) untuk melakukan pelabelan otomatis pada data dan Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengekstraksi fitur terhadap data tim sepak bola nasional Indonesia dalam turnamen Piala Asia 2023. Algoritma MNB digunakan untuk mengklasifikasikan teks yang sudah dilabeli secara otomatis menggunakan VADER . Data untuk studi ini diperoleh melalui proses pengambilan data dari sosial media X dengan kata kunci "timnas Indonesia Piala Asia 2023" dalam rentang tanggal pada saat turnamen piala asia 2023 yaitu 12 Januari 2024 hingga 10 Februari 2024. Hasil dari studi yang dilakukan oleh penulis pada studi berjudul “Sentimen Analisis Tim Sepak Bola di Piala Asia 2023 Berdasarkan Pengguna Twitter(X) Menggunakan Algoritma Multinomial Naïve Bayes” menghasilkan akurasi yang cukup baik yaitu 81%, 79% dan 79% pada kategori Keseluruhan, Kekalahan dan Kemenangan dengan menggunakan metode evaluasi Confussion Matrix.

Downloads

Download data is not yet available.

References

[1] Batu Bara, E. A., Nasution, K. A., Ginting, R. Z., & Kartini. (2022). Studi tentang Twitter. Jurnal Universitas Muhammadiyah Enrekang, 2715-2634.
[2] C. Muhamad, S. Ramdani, A. N. Rachman, and R. Setiawan, “Comparison of the Multinomial Naive Bayes Algorithm and Decision Tree with the Application of AdaBoost in Sentiment Analysis Reviews PeduliLindungi Application,” Int. J. Inf. Syst. Technol. Akreditasi, vol. 6, no. 158, pp. 419–430, 2022.
[3] S. M. Permataning Tyas, B. S. Rintyarna, and W. Suharso, “The Impact of Feature Extraction to Naïve Bayes Based Sentiment Analysis on Review Dataset of Indihome Services,” Digit. Zo. J. Teknol. Inf. dan Komun., vol. 13, no. 1, pp. 1–10, 2022.
[4] M. Rifki and I. Imelda, “Borobudur Menggunakan Multinomial Naïve Bayes Analysis of Discourse Sentiment of Borobudur Temple Ticket,” J. Inform. dan Komput., vol. 5, no. 2, pp. 156–163, 2022.
[5] F. Zaini, J. W. Sari, and F. N. Hasan, “Analysis of Public Sentiment Related To the Failure of Indonesia To Host U-20 Using Multinomial Naïve Bayes Classifier,” J. Tek. Inform., vol. 4, no. 6, pp. 1409–1418, 2023.
[6] M. F. HAIKAL, J. INDRA, and R. RAHMAT, “Analisis Sentimen Bakal Calon Presiden Indonesia 2024 Dengan Algoritma Naïve Bayes,” Jutisi J. Ilm. Tek. Inform. dan Sist. Inf., vol. 13, no. 1, p. 43, 2024.