Analisis Sentimen Masyarakat terhadap Dampak Media Sosial pada Dunia Sepak Bola di Indonesia
DOI:
https://doi.org/10.29407/f3t07672Keywords:
analisis sentimen , sepak bola indonesia, support vector machine, TF-IDF , TwitterAbstract
Media sosial, khususnya Twitter (X), menjadi ruang utama bagi masyarakat untuk menyampaikan opini, kritik, dan dukungan terhadap berbagai isu publik, termasuk sepak bola Indonesia. Tingginya aktivitas warganet dalam membahas kinerja Tim Nasional, kebijakan PSSI, serta kompetisi liga menghasilkan data teks dalam jumlah besar yang bersifat tidak terstruktur dan sulit dianalisis secara manual. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap sepak bola Indonesia di media sosial Twitter menggunakan pendekatan pembelajaran mesin. Data diperoleh melalui proses scraping tweet berdasarkan kata kunci yang berkaitan dengan sepak bola Indonesia, yang menghasilkan 1923 data mentah, kemudian diproses melalui tahap preprocessing sehingga diperoleh 804 data bersih. Selanjutnya, data dilabeli sentimen secara semi otomatis dan direpresentasikan menggunakan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF). Proses klasifikasi sentimen dilakukan menggunakan algoritma Support Vector Machine (SVM) dengan kernel linear untuk mengelompokkan data ke dalam kelas positif, negatif, dan netral. Hasil pengujian menunjukkan bahwa model SVM mampu memberikan kinerja klasifikasi yang cukup baik dengan nilai akurasi sebesar 79%. Hasil analisis sentimen menunjukkan dominasi sentimen netral, diikuti oleh sentimen positif dan negatif. Temuan ini menunjukkan bahwa pendekatan TF-IDF dan SVM efektif digunakan untuk menganalisis opini publik di media sosial serta dapat dimanfaatkan sebagai bahan evaluasi dalam pengelolaan sepak bola Indonesia.
Downloads
References
[1] P. B. Utomo, D. Wahyudi, and A. K. Nalendra, “Implementasi Convolution-Augmented Transfomer Berbasis Kecerdasan Buatan dalam Analisis Sentimen Teks Hasil Konversi Suara ke Teks,” vol. 8, no. 1, pp. 63–71, 2024.
[2] U. I. Arsyah, M. Pratiwi, and A. Muhammad, “Twitter Sentiment Analysis of Public Space Opinions using SVM and TF-IDF Methods,” Indones. J. Comput. Sci., vol. 13, no. 1, pp. 387–394, 2024, doi: 10.33022/ijcs.v13i1.3594.
[3] A. Widodo, B. A. Herlambang, and R. Renaldy, “Optimizing Support Vector Machine (SVM) for Sentiment Analysis of Blu by BCA Reviews with Chi-Square,” J. Appl. Informatics Comput., vol. 9, no. 5, pp. 2588–2597, 2025, doi: 10.30871/jaic.v9i5.10541.
[4] A. Wahyu Nugroho, “SISTEMASI: Jurnal Sistem Informasi Analisis Sentimen menggunakan Algoritma Support Vector Machine pada Covid_19 Sentiment Analysis using the Support Vector Machine Algorithm on Covid_19,” vol. 13, no. 4, pp. 2540–9719, 2024, [Online]. Available: http://sistemasi.ftik.unisi.ac.id
[5] T. Fardiansyah, Z. Yunizar, and Maryana, “Implementation of Support Vector Machine Method with TF-IDF for Sentiment Analysis of the Al-Zaytun Islamic Boarding School Controversy,” Int. J. Eng. Sci. Inf. Technol., vol. 5, no. 3, pp. 58–65, 2025, doi: 10.52088/ijesty.v5i3.883.
[6] M. Rifqi Fauzan, S. Anraeni, and L. Budi Imawan, “Analisis Sentimen Tweet Netizen Terhadap Timnas Sepak Bola Indonesia di Era Shin Tae-Yong Menggunakan Algoritma Support Vector Machine (SVM),” Lit. Inform. Komput., vol. 2, no. 3, pp. 329–340, 2025.
[7] F. Hakim and Y. Astuti, “Analyzing Indonesian Football Sentiment Towards PSSI Performance Using Support Vector Machines,” J. Intell. Softw. Syst., vol. 3, no. 1, p. 26, 2024, doi: 10.26798/jiss.v3i1.1330.
[8] R. Pohan, D. Ratnawati, and I. Arwani, “Implementasi Algoritma Support Vector Machine dan Model Bag-of-Words dalam Analisis Sentimen mengenai PILKADA 2020 pada Pengguna Twitter,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 10, pp. 4924–4931, 2022, [Online]. Available: http://j-ptiik.ub.ac.id
[9] A. Suharman and M. Kamayani Sulaeman, “Analisis Sentimen Pengguna Aplikasi Livin’ by Mandiri Menggunakan Metode Support Vector Machine (SVM) dengan Ekstraksi Fitur TF-IDF dan Word2Vec,” J. Pendidik. dan Teknol. Indones., vol. 5, no. 8, pp. 2201–2212, 2025, doi: 10.52436/1.jpti.941.
[10] F. A. Wicaksono and A. Romadhony, “Sentiment Analysis of University Social Media Using Support Vector Machine and Logistic Regression Methods,” vol. 7, no. August, pp. 15–24, 2022, doi: 10.34818/indojc.2022.7.2.638.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Bayu Ardiansyah
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
