ANALISIS SENTIMEN TERHADAP SEPAK BOLA INDONESIA PADA MEDIA TWITTER MENGGUNAKAN METODE NAÏVE BAYES

Al Anbari, Muhammad Iqbal ANALISIS SENTIMEN TERHADAP SEPAK BOLA INDONESIA PADA MEDIA TWITTER MENGGUNAKAN METODE NAÏVE BAYES. [Artikel mahasiswa]

Text (Jurnal Publikasi) Jurnal_Muhammad Iqbal Al Anbari_1900018124.pdf Download (1MB)

Abstract

Analisis sentimen adalah seperangkat metode, teknik dan alat yang bertujuan untuk mendeteksi atau mengekstraksi informasi yang subjektif seperti opini dari sebuah artikel. Analisis sentimen digunakan untuk mengekstrak informasi dari artikel dan mengkategorikannya menjadi sentimen tersebut ke bentuk sentimen positif, negatif, dan netral. Penelitian ini bertujuan untuk mengeksplorasi tingkat kepuasan terhadap timnas sepak bola Indonesia menggunakan metode Naïve Bayes. Tujuan lainnya adalah untuk menilai akurasi dari metode Naïve Bayes dalam menganalisis sentimen terhadap timnas sepak bola Indonesia.
Penelitian ini menggunakan metode Naïve Bayes untuk mengklasifikasikan komentar atau pendapat mengenai sepak bola Indonesia di Twitter menjadi kategori positif, netral, atau negatif. Terdapat delapan tahap dalam penelitian ini, yaitu pengumpulan data ulasan (crawling), preprocessing data, pelabelan data, pelabelan, word cloud, pembagian data menjadi data latih dan data uji, penerapan Naïve Bayes, evaluasi hasil dari Naïve Bayes, dan penggunaan matriks konfusi. Algoritma Naïve Bayes diterapkan untuk menghasilkan klasifikasi antara kategori negatif dan positif. Selanjutnya, akurasi dari proses pelabelan dievaluasi menggunakan matriks konfusion untuk menilai ketepatan hasil klasifikasi tersebut.
Data yang digunakan dalam penelitian ini berasal dari hasil crawling menggunakan Python dari tanggal 07 Desember 2021 hingga 01 Januari 2024 di platform Twitter(X). Pada tahap pengujian labeling menghasil persentase sentiment netral 71%, positif 16% dan negatif 11%. Dengan pembagian data uji 221 dari 1104 data sedangkan data latih 883 dari 1104 data uji. Dihasilkan 793 sentimen netral,186 positif dan 125 negatif. Tahap preprocessing menghasilkan akurasi 85% dengan hasil presisi negatif 100%, presisi netral 86%, presisi positif 69%, recal negatif 67%, recal netral 94% dan positif 62%. Analisis sentimen ini efektif dalam mengidentifikasi sentimen netral dan negatif, namun perlu peningkatan dalam mendeteksi sentimen positif.
Kata kunci : analisis sentimen; twitter; Naive Bayes

Item Type:	Artikel mahasiswa
Subjects:	T Technology > T Technology (General)
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	Mahasiswa Muhammad Iqbal Al Anbari
Date Deposited:	11 Sep 2024 04:42
Last Modified:	11 Sep 2024 04:42
URI:	http://eprints.uad.ac.id/id/eprint/72725

Actions (login required)

View Item