Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Perubahan Piala Dunia U-20

Epliani Limbong Rara(1*),Evangs Mailoa(2)
(1) Universitas Kristen Satya Wacana
(2) Universitas Kristen Satya Wacana
(*) Corresponding Author
DOI : 10.35889/progresif.v20i1.1550

Abstract

The change of host in the FIFA U-20 World Cup 2023 has sparked controversy among various groups, as seen on the social media platform Twitter. This controversy arose due to Indonesia's rejection of hosting the U-20 World Cup, allegedly because Indonesia refused the participation of the Israel U-20 national team to play in Indonesia. This research aims to implement the Naive Bayes method to classify public sentiment on Twitter regarding this change, distinguishing between positive and negative sentiments. The testing was conducted using a confusion matrix, which resulted in accuracy, precision, and recall values of 96%, 94.83%, and 99.56% respectively. Based on these results, it can be concluded that the use of the Naive Bayes method in this research is quite good, and the performance of the system improves with an increased amount of training data.

Keywords: World Cup; Naive Bayes; Sentiment Classification; Confusion Matrix

 

Abstrak

Adanya perubahan tuan rumah pada turnamen Piala dunia U-20 FIFA 2023 menimbulkan kontroversi dari berbagai golongan yang dapat dilihat dari media sosial Twitter, lantaran adanya penolakan Indonesia menjadi tuan rumah pada Piala Dunia U-20 yang diduga karena Indonesia menolak keikutsertaan Timnas Israel U-20 untuk bermain di Indonesia. Penelitian ini bertujuan untuk mengimplementasikan metode Naive Bayes dalam melakukan klasifikasi sentimen masyarakat pada Twitter terkait adanya perubahan tersebut yang berupa sentimen positif dan negatif. Pengujian dilakukan menggunakan confusion matrix yang diperoleh hasil nilai accuracy, precision, dan recall masing-masing adalah 96%, 94,83%, dan 99,56%. Berdasarkan hasil tersebut dapat disimpulkan bahwa penggunaan metode Naive Bayes pada penelitian ini cukup baik, semakin banyak data training yang digunakan semakin baik hasil kinerja dari sistem.

Keywords: Piala dunia; Naive Bayes; Klasifikasi Sentimen; Confusion Matrix

References


FIFA, “FIFA Removes Indonesia as Host of FIFA U-20 World Cup 2023TM”, Fifa, 29 Maret 2023. [Online]. Tersedia: https://www.fifa.com/about-fifa/organisation/media- releases/fifa-removes-indonesia-as-host-of-fifa-u-20-world-cup-2023-tm [Diakses: 23 April 2023].

CNN Indonesia, “FIFA Removes Indonesia as Host of FIFA U-20 World Cup 2023TM”, CNN Indonesia, 29 Maret 2023. [Online]. Tersedia: https://www.cnnindonesia.com/olahraga/20230329170303-142-930948/fifa-indonesia- batal-jadi-tuan-rumah-piala-dunia-u-20-2023 [Diakses: 23 April 2023].

H. Gunwan, “Dampak Besar Batalnya Indonesia Jadi Tuan Rumah Piala Dunia U-20 Secara Ekonomi”, Tribun News, 3 April 2023. [Online]. Tersedia: https://www.tribunnews.com/bisnis/2023/04/03/dampak-besar-batalnya-indonesia-jadi- tuan-rumah-piala-dunia-u-20-secara-ekonomi [Diakses: 11 September 2023].

Y. Assidiq, “Dampak Pembatalan Piala Dunia U-20 Terhadap Politik Dalam Negeri dan Luar Negeri”, ReJogja Republika, 4 April 2023, [Online]. Tersedia: https://rejogja.republika.co.id/berita/rsku63399/dampak-pembatalan-piala-dunia-u20- terhadap-politik-dalam-dan-luar-negeri [Diakses: 11 September 2023].

F. Ratnawati, “Implementasi Algoritma Naïve Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter,” Jurnal Inovtek Polbeng - Seri Informatika, vol. 3, no. 1, pp.50-59, 2018.

M. A. Rizatya, “Pengguna Twitter di Indonesia Capai 18,45 Juta pada 2022”, DataIndonesia Tersedia: https://dataindonesia.id/digital/detail/pengguna-twitter-di- indonesia-capai-1845-juta-pada-2022 [Diakses: April. 11, 2023].

D. Darwis, N. Siskawati, & Z. Abidin, “Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional,” Jurnal TEKNO KOMPAK, vol. 15, no. 1, pp.131–145, 2021.

T. Taufiq, & Y. Yudihartanti, “Penerapan Theorema Bayes Pada Penilaian Kelayakan Angkutan Kota”. Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, vol. 10, no. 1, pp. 111-122, 2021.

D. Putri Yani, S. Kurnia Gusti, F. Yanto, & M. Affandes, “Klasifikasi Sentimen

Transformasi dan Reformasi Sepak Bola Indonesia Pada Twitter Menggunakan Algoritma Bernoulli Naïve Bayes,” Jurnal Sistem Komputer dan Informatika (JSON), vol.4, no. 3, pp.451−58, 2023. DOI: 10.30865/json.v4i3.5829.

S. Lestari, S. Saepudin, “Analisis Sentimen Vaksin Sinovac Pada Twitter Menggunakan Algoritma Naive Bayes,” SISTEMATIK (Seminar Nasional Sistem Informasi dan Manajemen Informatika), pp.163-170, 2021.

A. F. Yudianto, Statistwaty, & N. Ransi, “Naive Bayes Classifier Terhadapa Sentiment Analysis Mengenai PSSI Setelah Tragedi Kanjuruhan Malang,” Jurnal ANIMTOR, vol. 1, no. 2, pp.12-19, 2023.

R. Feldan, J. Sanger, The Text Mining Handbook, New York: Cambridge University Press.

F. Handayani, F. Setio Pribadi, “Implementasi Algoritma Naive Bayes Classifier dalam Pengklasifikasian Teks Otomatis Pengaduan dan Pelaporan Masyarakat melalui Layanan Call Center 110,” Jurnal Teknik Elektro , vol. 7, no.1, pp.19–24, 2015.

L. Adiani, H. Sujaini, & Tursina, “Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak,” Jurnal Sistem dan Teknologi Informasi, vol. 8, no. 2, pp.183–190, 2020. DOI: 10.26418/justin.v8i2.36776.

N. Ikhbar Wibowo, T. Andika Maulana, H. Muhammad, & N. Aini Rakhmawati, “Perbandingan Algoritma Klasifikasi Sentime Twitter Terhadap Insiden Kebocoran Data Tokopedia,” JISKa, vol. 6, no.2, pp.120–129, 2021.

R. Sholehurrohman, I. Sabda Ilman, “Analisis Sentimen Tweet Kasus Kebocoran Data Penggunaan Facebook oleh Cambrigde Analytica,” Jurnal, vol. 3, no. 1, pp.140-147, 2022.

A. Turmudi Zy, A. Nugroho, A. Rivaldi, & I. Afriantoro, “Analisis Sentimen Terhadap Pembobolan Data pada Twitter dengan Algoritma Naive Bayes,” Jurnal Teknologi Informatika dan Komputer, vol. 8, no. 2, pp.202–213,2022, doi: 10.37012/jtik.v8i2.1240.


How To Cite This :

Refbacks

  • There are currently no refbacks.