Analisis Sentimen MotoGP Mandalika Pada Twitter Menggunakan Metode Naïve Bayes
DOI:
https://doi.org/10.70309/ticom.v11i1.66Keywords:
Analisis Sentimen, Naïve Bayes Classifier, MotoGP MandalikaAbstract
Indonesia terpilih sebagai tuan rumah gelaran MotoGP seri kedua setelah MotoGP Qatar. Indonesia menggunakan Pertamina Mandalika International Street Circuit sebagai tempat berlangsungnya gelaran MotoGP, MotoGP Mandalika terbilang sukses, diperkirakan jumlah total penonton sebanyak 102.801 orang, MotoGP Mandalika sempat menjadi trending topic di Twitter yang tentu menuai reaksi yang beragam dari para netizen Indonesia. Untuk mengetahui tweet tersebut bernilai positif, negatif atau netral maka dilakukan analisis sentimen. Salah satu metode analisis sentimen yang dapat digunakan untuk menyelesaikan masalah tersebut adalah metode Naïve Bayes. Data yang terkumpul sebanyak 7195 Data yang diambil dalam kurun waktu 18 Maret 2022 sampai 18 April 2022. Data yang sudah didapat kemudian dilakukan remove duplikat, preprocessing, dan klasifikasi menggunakan program Naïve Bayes Classifier yang dibuat menggunakan Bahasa pemrograman PHP. Dari hasil remove duplikat dan preprocessing data yang tersisa sebanyak 1108 data, data dengan sentiment positif 396 data, sentiment netral 494 data dan sentiment negatif 218 data. Hasil dari pengujian akurasi menggunakan perbandingan 70:30 dan 80:20 mendapat nilai akurasi sebesar 57.65% dan 58.10%.
References
S. Thaufik Rizaldi, A. al Khairi,“Text Mining Classification Opini Publik Terhadap Provider di Indonesia,” 2021.
J. Saptia Kurnia, “Perhitungan Analisis Sentimen Berbasis Komparasi Algoritma Naive Bayes Dan K-Nearest Neighbour Berbasis Particle Swarm Optimization Pada Komentar Insiden Pembalap Motogp 2015,” 2019. doi: 10.35968/jsi.v6i2.317.
A. K. Fauziyyah, “Analisis Sentimen Pandemi Covid19 Pada Streaming Twitter Dengan Text Mining Python,” Jurnal Ilmiah SINUS, vol. 18, no. 2, p. 31, Jul. 2020, doi: 10.30646/sinus.v18i2.491.
D. Duei Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 10, no. 1, Jan. 2022.
R. Y. Hayuningtyas and R. Sari, “Analisis Sentimen Opini Publik Bahasa Indonesia Terhadap Wisata Tmii Menggunakan Naïve Bayes Dan Pso,” Jurnal TECHNO Nusa Mandiri, vol. 16, no. 1, p. 37, 2019, [Online]. Available: http://nusamandiri.ac.id/
F. V. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” Jurnal SIMETRIS, vol. 10, no. 2, 2019.
J. Samuel et al., “Feeling Positive about Reopening? New Normal Scenarios from COVID-19 US Reopen Sentiment Analytics,” IEEE Access, vol. 8, pp. 142173–142190, 2020, doi: 10.1109/ACCESS.2020.3013933.
A. Z. Amrullah, A. Sofyan Anas, M. Adrian, and J. Hidayat, “Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square,” Jurnal, vol. 2, no. 1, 2020, doi: 10.30812/bite.v2i1.804.
M. Christianto, J. Andjarwirawan, and A. Tjondrowiguno, “Aplikasi Analisa Sentimen Pada Komentar Berbahasa Indonesia Dalam Objek Video di Website YouTube Menggunakan Metode Naïve Bayes Classifier,” 2020.
L. Aji Andika and P. Amalia Nur Azizah, “Analisis Sentimen Masyarakat terhadap Hasil Quick Count Pemilihan Presiden Indonesia 2019 pada Media Sosial Twitter Menggunakan Metode Naive Bayes Classifier,” 2019.
