Keywords
Naive Bayes
Timnas
Inset
How to Cite
Abstract
Media sosial telah menjadi bagian integral dalam kehidupan masyarakat modern, memfasilitasi berbagi informasi dan interaksi secara real-time. Twitter, sebagai platform yang sangat populer, memungkinkan pengguna untuk menyampaikan pendapat dan reaksi mereka secara langsung. Dalam konteks kemenangan Tim Nasional Indonesia pada semifinal Piala Asia U-23 AFC 2024, reaksi masyarakat terhadap peristiwa ini dieksplorasi melalui analisis sentimen menggunakan algoritma Naive Bayes. Tujuan penelitian adalah untuk mengeksplorasi tingkat dukungan dan loyalitas masyarakat Indonesia, khususnya pengguna Twitter, terhadap kemenangan tersebut. Hasil penelitian menunjukkan bahwa penggunaan Inset Lexicon dalam proses pelabelan cukup efektif karena berbasis bahasa Indonesia. Algoritma Naive Bayes terbukti memberikan akurasi yang baik dalam klasifikasi sentimen. Visualisasi hasil menunjukkan bahwa mayoritas sentimen masyarakat Indonesia terhadap kemenangan Tim Nasional Indonesia sangat positif, dengan 64,2% sentimen positif dan hanya 35,8% sentimen negatif. Ini menggambarkan tingkat dukungan yang tinggi dan loyalitas terhadap tim nasional dalam peristiwa tersebut.
References
S. Fernando, A. Voutama, dan A. Andri Hendriadi, “KLASIFIKASI BERITA HOAKS KAMPANYE PEMILIHAN UMUM (PEMILU) 2024 MENGGUNAKAN ALGORITMA NAÏVE BAYES,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 2, hlm. 2112–2115, Apr 2024, doi: 10.36040/jati.v8i2.9400.
S. H. Putri dan L. O. Maharani, “The role of @Txtdaripemerintah Twitter account as a public space for the community in the perspective of communication on social media,” ArtComm : Jurnal Komunikasi dan Desain, vol. 4, no. 01, hlm. 37–47, Apr 2021, doi: 10.37278/artcomm.v4i01.401.
N. P. G. Naraswati, D. Cindy Rosmilda, D. Desinta, F. Khairi, R. Damaiyanti, dan R. Nooraeni, “SISTEMASI: Jurnal Sistem Informasi Analisis Sentimen Publik dari Twitter Tentang Kebijakan Penanganan Covid-19 di Indonesia dengan Naive Bayes Classification,” 2021. [Daring]. Tersedia pada: http://sistemasi.ftik.unisi.ac.id
N. S. Marga, “SENTIMEN ANALISIS TENTANG KEBIJAKAN PEMERINTAH TERHADAP KASUS CORONA MENGGUNAKAN METODE NAIVE BAYES,” Jurnal Informatika dan Rekayasa Perangkat Lunak, vol. 2, no. 4, hlm. 453–463, Feb 2022, doi: 10.33365/jatika.v2i4.1602.
S. Tetra Oktaviani, H. Baturohmah, P. Studi Sistem Informasi, U. Nusa Putra Jl Raya Cibolang No, C. Kaler, dan J. Barat, “SENTIMEN ANALISIS PENGGUNA TWITTER INDONESIA TERHADAP PIALA DUNIA 2022 MENGGUNAKAN METODE NAÏVE BAYES CLASIFIER,” 2023.
P. Samotana Zalukhu, T. Handhayani, dan M. Sitorus, “ANALISIS SENTIMEN TERHADAP KENAIKAN BBM DI INDONESIA PADA MEDIA SOSIAL TWITTER MENGGUNAKAN METODE NAÏVE BAYES,” Jurnal Sistem Informasi dan Ilmu Komputer (SIMTEK), vol. 8, no. 1, 2023.
D. F. Zhafira, B. Rahayudi, dan I. Indriati, “Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada Youtube,” Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi, vol. 2, no. 1, Agu 2021, doi: 10.25126/justsi.v2i1.24.
N. A. Widiastuti, A. K. Zyen, dan N. Safik, “PREDIKSI PENENTUAN PEMOHON KREDIT SEPEDA MOTOR MENGGUNAKAN ALGORITMA NAIVE BAYES,” JURNAL DISPROTEK, vol. 10, no. 2, hlm. 130–134, Feb 2023, doi: 10.34001/jdpt.v10i2.4689.
S. P. M. M. Dr. Muhammad Ramdhan, Metode Penelitian. Cipta Media Nusantara. [Daring]. Tersedia pada: https://books.google.co.id/books?id=Ntw_EAAAQBAJ
D. S. Wijaya, A. Sanjaya, dan W. C. Utomo, “Analisis Sentimen Masyarakat Tentang Naiknya Harga BBM Dengan Metode Fasttext dan Naïve Bayes,” Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), vol. 7, no. 1, hlm. 27–35, Jul 2023.
B. Hakim, “Analisa Sentimen Data Text Preprocessing Pada Data Mining Dengan Menggunakan Machine Learning,” JBASE - Journal of Business and Audit Information Systems, vol. 4, no. 2, Agu 2021, doi: 10.30813/jbase.v4i2.3000.
F. Koto dan G. Y. Rahmaningtyas, “Inset lexicon: Evaluation of a word list for Indonesian sentiment analysis in microblogs,” dalam 2017 International Conference on Asian Language Processing (IALP), IEEE, Des 2017, hlm. 391–394. doi: 10.1109/IALP.2017.8300625.
Regina, T. H. Saragih, dan D. Kartini, “ANALISIS SENTIMEN BRAND AMBASSADOR BTS TERHADAP TOKOPEDIA MENGGUNAKAN KLASIFIKASI BAYESIAN NETWORK DENGAN EKSTRAKSI FITUR TF-IDF,” Jurnal Informatika Polinema, vol. 9, no. 4, hlm. 383–390, Agu 2023, doi: 10.33795/jip.v9i4.1333.
B. Haya Pangestu, “Data Mining Menggunakan Algoritma Naïve Bayes Classifier Untuk Evaluasi Kinerja Karyawan,” Jurnal Riset Matematika, hlm. 177–184, Des 2023, doi: 10.29313/jrm.v3i2.2837.
R. Nurhidayat dan K. E. Dewi, “KOMPUTA : Jurnal Ilmiah Komputer dan Informatika PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DAN FITUR EKSTRAKSI N-GRAM DALAM ANALISIS SENTIMEN BERBASIS ASPEK,” vol. 12, no. 1, 2023, [Daring]. Tersedia pada: https://www.kaggle.com/datasets/hafidahmusthaanah/skincare-review?select=00.+Review.csv.
H. Satria, “Cara Mendapatkan Data (Crawl) Twitter X - Maret 2024.” Diakses: 9 Juni 2024. [Daring]. Tersedia pada: https://helmisatria.com/blog/updated-crawl-data-twitter-x-maret-2024
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2024 Anwar Muzaki, Risky Aswi Ramadhani, Patmi Kasih