Analisis Sentimen Suporter terhadap Performa Tim Nasional Sepakbola Indonesia pada Turnamen Sea Games 2023 dengan Metode Naive Bayes
Main Article Content
Abstract
Analisis pada sentimen suporter terhadap performa tim nasional sepakbola Indonesia merupakan salah satu topik yang menarik untuk dipelajari. Dalam penelitian ini, digunakan metode Naive Bayes untuk menganalisis sentimen suporter berdasarkan data teks yang dikumpulkan dari media sosial melalui platform Twitter terkait pertandingan tim nasional sepakbola Indonesia. Metode Naive Bayes digunakan karena kemampuannya yang baik dalam klasifikasi teks dan analisis sentimen. Pengolahan data dilakukan dengan bantuan bahasa pemrograman Python dengan library yang telah disediakan. Analisis dilakukan dengan 265 tweet yang berkaitan dengan Tim Nasional Indonesia. Hasil menunjukkan bahwa sebagian besar tweet memiliki sentimen puas atau positif (70,94%), sementara tweet yang bersentimen negatif sebesar 29, 06%. Nilai akurasi yang dihasilkan yaitu sebesar 81%.
Article Details

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
References
[1] Samsir et al., “Naives Bayes Algorithm for Twitter Sentiment Analysis,” J Phys Conf Ser, vol. 1933, no. 1, pp. 1–6, 2021, doi: 10.1088/1742-6596/1933/1/012019.
[2] D. R. Lazuardi, T. A. Munandar, H. Harsiti, Z. Mutaqin, and R. N. Hays, “Sentiment Analysis of Public Opinions on the Welfare of Honorary Educators using Naive Bayes,” IOP Conf Ser Mater Sci Eng, vol. 830, no. 3, pp. 1–6, 2020, doi: 10.1088/1757-899X/830/3/032018.
[3] R. Ferryawan, Kusrini, and F. W. Wibowo, “Analisis Sentimen Wisata Jawa Tengah Menggunakan Naϊve Bayes,” Jurnal INFORMA Politeknik Indonusa Surakarta, vol. 5, no. 3, pp. 55–60, 2019.
[4] R. Tineges, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM),” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 4, no. 3, pp. 650–658, 2020, doi: 10.30865/mib.v4i3.2181.
[5] C. B. Saputra, A. Muzakir, and D. Udariansyah, “Analisis Sentimen Masyarakat Terhadap #2019gantipresiden Berdasarkan Opini Dari Twitter Menggunakan Metode Naive Bayes Classifier,” in Bina Darma Conference on Computer Science, Palembang: Bina Darma University, 2019, pp. 403–413.
[6] S. Bhatia, M. Sharma, and K. K. Bhatia, “Sentiment Analysis and Mining of Opinions,” in Internet of Things and Big Data Analytics Toward Next-Generation Intelligence, vol. 30, N. Dey, A. E. Hassanien, C. Bhatt, A. S. Ashour, and S. C. Satapathy, Eds., Cham: Springer, 2018, pp. 503–523. doi: 10.1007/978-3-319-60435-0_20.
[7] S. B. Bhonde and J. R. Prasad, “Sentiment Analysis-Methods, Applications & Challenges,” International Journal of Electronics Communication and Computer Engineering, vol. 6, no. 6, pp. 634–640, 2015.
[8] R. Watrianthos, S. Suryadi, D. Irmayani, M. Nasution, and E. F. S. Simanjorang, “Sentiment Analysis Of Traveloka App Using Naïve Bayes Classifier Method,” International Journal of Scientific & Technology Research, vol. 8, no. 7, pp. 786–788, 2019.
[9] R. Rasenda, H. Lubis, and R. Ridwan, “Implementasi K-NN Dalam Analisa Sentimen Riba Pada Bunga Bank Berdasarkan Data Twitter,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 4, no. 2, pp. 369–376, 2020, doi: 10.30865/mib.v4i2.2051.
[10] F. Morstatter, J. Pfeffer, H. Liu, and K. Carley, “Is the Sample Good Enough? Comparing Data from Twitter’s Streaming API with Twitter’s Firehose,” in Proceedings of the International AAAI Conference on Web and Social Media, E. Kiciman, N. Ellison, B. Hogan, P. Resnick, and I. Soboroff, Eds., Cambridge: The AAAI Press, 2013, pp. 400–408. doi: 10.1609/icwsm.v7i1.14401.