Analisis Sentimen Masyarakat terhadap Tim Nasional Indonesia pada Piala AFF 2020 Menggunakan Algoritma K-Nearest Neighbors
DOI:
https://doi.org/10.70309/ticom.v10i3.33Keywords:
Analisis Sentimen, K-Nearest Neighbors(K-NN), Text Mining, Timnas Indonesia, AFF 2020Abstract
Media sosial twitter adalah salah satu media komunikasi yang diminati oleh masyarakat di dunia. Hal ini dapat terjadi karena twitter memiliki jumlah pengguna aktif sebesar 313 juta per bulan pada tahun 2016 dan sebagian besar pengguna mengakses twitter melakui perangkat mobile yaitu sebesar 82%. Karena jumlahnya banyak, maka menimbulkan tweet yang banyak. Tweet tersebut berisi tentang kabar terbaru atau komentar yang sedang menjadi topik didunia. Hal hal yang menjadi topik atau banyak dikomentari pengguna akan menimbulkan trending di twitter. Pada piala AFF 2020 ini, Indonesia memanggil 30 pemain dengan rata-rata usianya 23,8 tahun lebih muda dari skuad tim lain yang berlaga di ajang AFF 2020. Tentu banyak risiko menurunkan skuad yang didominasi pemain muda. Mulai mental yang belum teruji, emosi gampang lepas, sampai ketergesa-gesaan. Tapi di sisi lain, deretan anak muda itu juga menumbuhkan harapan, semangat, staminia menggelora, dan bekal persiapan untuk menuju ke turnament event yang akan datang. Peneliti menggunakan metode CRISP-DM (Cross- Industry Standard Process For Data Mining) dan mengimplementasikan algoritma K-Nearest Neighbors(K-NN) untuk klasifikasi data. Data yang digunakan dalam penelitian ini berjumlah 22.182 data yang diambil dari tanggal 30 November 2021 – 06 Januari 2022. Setelah data diproses dengan metode CRISP-DM dan implementasi algoritma K-Nearest Neighbors(K-NN), didapatkan akurasi sebesar 67.49%, precission sebesar 78.99% dan recall 47.69%.
References
M. Astiningrum, M. Haniah, and Y. R. Y. Pradana, “Analisis Sentimen Tentang Opini Terhadap Performa Timnas Sepak Bola Indonesia Pada Twitter,” Semin. Inform. Apl. Polinema, pp. 35— 39, 2020.
I. Safutra, “Piala AFF 2020, Harapan Baru di Generasi 23,8 Tahun.” 2021, [Online]. Available: https://www.jawapos.com/sepak-bola/sepak-bola-indonesia/09/12/2021/piala-aff-2020-harapan-baru-di-generasi-238-tahun/. diakses tanggal 29 Juli 2022.
C. B. Saputra, A. Muzakir, and D. Udariansyah, “Analisis Sentimen Masyarakat Terhadap #2019Gantipresiden Berdasarkan Opini Dari Twitter Menggunakan Metode Naive Bayes Classifier,” Bina Darma Conf. Comput. Sci., pp. 403–413, 2019.
K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (Dbd) Berdasarkan Provinsi,” Comput. Eng. Sci. Syst. J., vol. 3, no. 2, p. 173, 2018.
M. Arifin, “Implementasi Data Mining Pada Prediksi Pemesanan Menggunakan Algoritma Apriori (Studi Kasus : Kimia Farma),” J. Pelita Inform., vol. 8, no. 3, pp. 353–356, 2020.
S. Rodiyansyah, “Algoritma Apriori untuk Analisis Keranjang Belanja pada Data Transaksi Penjualan,” Infotech J., vol. 1, no. 2, pp. 36–39, 2015.
Fajri, “Kamus Lexicon Positif dan Negatif.” 2018, [Online]. Available: https://github.com/fajri91/InSet. diakses tanggal 29 Juli 2022.
A. Pandu et al., “Analisis Sentimen Twitter Pasca Pengumuman Hasil Pilpres 2019 Menggunakan Metode Lexicon Analysis,” J. Tek. Inform., vol. 15, no. 1, pp. 33–44, 2020.
S. K. Trajd, “Indonesia Stopwords, github.com.” 2021, [Online]. Available: https://github.com/SokKanaTorajd/indonesia-stopwords. Diakses tanggal 27 Juli 2022.
A. Librian, “Kata Dasar, github.com.” 2015, [Online]. Available: https://github.com/sastrawi/sastrawi/tree/master/data. Diakses tanggal 29 Juli 2022.