Analisis Sentimen Pengguna Media Sosial Twitter Tentang Gelaran Piala Asia Qatar dengan Metode Naive Bayes

Aziz Musthafa, Dihin Muriyatmoko, Ahmad Fa'iq Dzulfikar As'ad

Sari


Di era digital dan kemajuan teknologi, media sosial telah menjadi platform penting bagi pengguna untuk berbagi pemikiran, pendapat,  dan perasaan tentang berbagai topik, termasuk acara olahraga seperti Piala Asia. Oleh karena itu, penting untuk memahami pandangan dan opini masyarakat dengan menganalisis data media sosial. Analisis ini mengklasifikasikan keseluruhan menjadi tiga kategori: positif, negatif, dan netral berdasarkan kelas yang telah ditentukan. Teknik analisis data ini menggunakan CRISP-DM, sebuah proses penambangan data standar industri, dimulai dari busineess understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Fitur dipilih menggunakan teknik Query Expansion Ranking sehingga semua data dikumpulkan berdasarkan kelas tertentu. Jumlah fitur yang dibutuhkan untuk meningkatkan akurasi. Tahap selanjutnya yaitu penerapan teknik algoritma klasifikasi yaitu teknik Naive Bayes. Hasil klasifikasi menggunakan metode Naive Bayes pada penelitian ini memiliki tingkat akurasi sebesar 91%. Setelah proses validasi dengan K-fold cross validation, nilai akurasi yang didapat pada Naïve Bayes adalah 91%. Berdasarkan hasil klasifikasi model, sentimen netral mendominasi dengan hasil akurasi sebesar 64.1%, untuk sentimen positif memiliki hasil akurasi sebesar 33,6% dan pada sentimen negatif hasil akurasi yang dimiliki sebesar 2,3%. Dari hasil akurasi tersebut menunjukkan bahwa banyak data yang berisi kenetralan terhadap gelaran Piala Asia 2024 di Qatar.


Teks Lengkap:

PDF

Referensi


Darwis, E. S. Pratiwi, and A. F. O. Pasaribu, “DATA TWITTER KOMISI PEMBERANTASAN KORUPSI REPUBLIK INDONESIA,” J. Ilm. Edutic, vol. 7, no. 1, pp. 1–11, 2020.

A. Samad, H. Basari, B.Hussin, I. G. Pramudya, and J. Zeniarja, “Opinion Mining of Movie Review using Hybrid Method of Support Vector Machine and Particle Swarm Optimization Opinion Mining of Movie Review using Hybrid Method of Support Vector Machine and Particle Swarm Optimization,” Procedia Eng., vol. 53, no. December, pp. 453–462, 2013, doi: 10.1016/j.proeng.2013.02.059.

Saputra, A., Subing, M., & Pratama, R. (2023). Perbandingan Metode Naïve Bayes Classifier Dan Support Vector Machine Untuk Analisis Sentimen Pengguna Twitter Mengenai Piala Dunia Fifa 2022. Teknomatika, 13(01), 22–31.

Fanissa, S., Fauzi, A. M. and Adinugroho, S. (2018). “Analisis Sentimen Pariwisata di Kota Malang Menggunakan Metode Naive Bayes dan Seleksi Fitur Query Expansion Ranking | Jurnal Pengembangan Teknologi Informasi, SMATIKA Jurnal Volume 10 Nomor 02, Desember Tahun 2020 ISSN: 2087-0256, e-ISSN: 2580-6939 dan Ilmu Komputer,” J. Pengembangan Teknologi Informasi dan Ilmu Komputer., vol. 2, no. 8, pp. 2766– 2770.

Chandani, V., Komputer, I. F. and Nuswantoro, D. U. (2015). “Komparasi Algoritma Klasifikasi Machine Learning Dan Feature Selection pada Analisis Sentimen Review Film,” J. Intell. Syst., vol. 1, no. 1, pp. 56–60.

Prasetya, E., 2006, Case Based Reasoning untuk mengidentifikasi kerusakan bangunan, Tesis, Program Pasca Sarjana IlmuKomputer, Univ. GadjahMada, Yogyakarta.

Marga, N. S., Isnain, A. R., & Alita, D. (2020). TERHADAP KASUS CORONA MENGGUNAKAN METODE NAIVE BAYES. 2(4), 453–463.

Laurensz, B., & Sediyono, E. (2021). Analisis Sentimen Masyarakat terhadap Tindakan Vaksinasi dalam Upaya Mengatasi Pandemi Covid-19 (Analysis of Public Sentiment on Vaccination in Efforts to Overcome the Covid-19 Pandemic). Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, 10(2), 118–123.

Tuhuteru, H., & Iriani, A. (2018). Analisis Sentimen Perusahaan Listrik Negara Cabang Ambon Menggunakan Metode Support Vector Machine dan Naive Bayes Classifier. Jurnal Informatika: Jurnal Pengembangan IT, 3(3), 394–401. https://doi.org/10.30591/jpit.v3i3.977

Susanti, D.N., Sediyono, E., dan Sembiring, I. (2016). “Uji Perbandingan Akurasi Analisis Sentimen Pariwisata Menggunakan Algoritma Support Vector Machine dan Naive Bayes” Nusantara of Engineering, Vol. 3, No. 2, hal. 26–33.

Bustami, “Penerapan Algoritma Naive Bayes,” J. Inform., vol. 8, no. 1, pp. 884–898, 2014.

Valatehan, Lucky, Muhammad Fachrurrozi, dan Osvari Arsalan. 2016. Identifikasi Kalimat Pemborosan Menggunakan Rule Based Reasoning. Annual Research Seminar Vol 2 No. 1. Palembang: Universitas Sriwijaya.

Amin, Fatkhul. 2012. Sistem Temu Kembali Informasi dengan Metode Vector Space Model. Jurnal Sistem Informasi Bisnis 02. Semarang: Universitas Stikubank.

Manning, Christopher D, Prabhakar Raghavan, and Hinrich Schütze. Introduction to Information Retrieval. Cambridge: Cambridge University Press, 2008.

C. H. Yutika, A. Adiwijaya, and S. Al Faraby, “Analisis Sentimen Berbasis Aspek pada Review Female Daily Menggunakan TF-IDF dan Naïve Bayes,” J. Media Inform. Budidarma, vol. 5, no. 2, p. 422, 2021, doi: 10.30865/mib.v5i2.2845.

Muriyatmoko, D., Taufiqurrahman, T., & Humam, A. (2022). Analisis Sentimen Masyarakat Terhadap Konflik Rusia dan Ukraina Menggunakan Metode Naïve Bayes pada Media Sosial Twitter. Metik Jurnal, 6(2), 140–145. https://doi.org/10.47002/metik.v6i2.375




DOI: http://dx.doi.org/10.55635/jic.v10i2.226

Refbacks

  • Saat ini tidak ada refbacks.


Indexed by :

Jurnal Ilmiah IT Cida: Diseminasi Teknologi Informasi

ISSN 2477-8125 (online) | ISSN 2477-8133 (print)
Published by : STMIK Amikom Surakarta
Jl Veteran Notosuman Singopuran Kartasura Sukoharjo 57164 Telp./Fax 0271-7851507
Email: itcida@amikomsolo.ac.id




Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi 4.0 Internasional.