ANALISIS SENTIMEN PADA TWITTER PASCA DIBATALKANNYA PAGELARAN PIALA DUNIA U-20 YANG DISELENGGARAKAN DI INDONESIA MENGGUNAKAN METODE MULTINOMIAL NAIVE BAYES
Indonesia sempat ditunjuk sebagai tuan rumah Piala Dunia U-20 tahun 2023, namun akhirnya dibatalkan oleh FIFA. Pembatalan tersebut memicu berbagai tanggapan dan opini masyarakat di media sosial Twitter. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap peristiwa tersebut menggunakan metode Multinomial Naïve Bayes. Sebanyak 921 data komentar Twitter dikumpulkan melalui proses crawling dan dilabeli menjadi tiga kategori: positif, negatif, dan netral. Karena dataset awal menunjukkan ketidakseimbangan kelas yang signifikan (859 positif, 55 negatif, dan 7 netral), metode Synthetic Minority Oversampling Technique (SMOTE) diterapkan guna menyeimbangkan data menjadi 429 pada setiap kelas. Data teks kemudian diproses melalui tahapan preprocessing (cleansing, case folding, tokenizing, stopword removal, dan stemming) serta pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Hasil evaluasi menggunakan K-Fold Cross Validation membuktikan bahwa penerapan SMOTE berhasil meningkatkan performa model secara drastis. Pada pengujian data seimbang, performa terbaik dihasilkan oleh K-Fold 9 dengan tingkat akurasi mencapai 97,20%, presisi 97,31%, dan recall 97,22%. Kesimpulannya, metode Multinomial Naïve Bayes dengan kombinasi pembobotan TF-IDF dan SMOTE sangat efektif untuk klasifikasi sentimen pada data yang tidak seimbang.
References
Arisandi, R. R. R., Warsito, B., & Hakim, A. R. (2022). Aplikasi naïve bayes classifier (NBC) pada klasifikasi status gizi balita stunting dengan pengujian k-fold cross validation. Jurnal Gaussian, 11(1), 130–139.
Fathonah, F., & Herliana, A. (2021). Penerapan text mining analisis sentimen mengenai vaksin Covid-19 menggunakan metode Naïve Bayes. Jurnal Sains dan Informatika, 7(2), 155–164.
Fernández, A., García, S., Herrera, F., & Chawla, N. V. (2018). SMOTE for learning from imbalanced data: Progress and challenges, marking the 15-year anniversary. Journal of Artificial Intelligence Research, 61, 863–905.
Fitriyah, N., Warsito, B., & Maruddani, I. M. (2020). Analisis sentimen Gojek pada media sosial Twitter dengan klasifikasi Support Vector Machine (SVM). Jurnal Gaussian, 9(3), 376–390.
Hanafi, M. A., & Solichin, A. (2023). Analisis sentimen terhadap PSSI atas tragedi Kanjuruhan menggunakan Multinomial Naïve Bayes. Telematika MKOM, 15(1), 21–28.
Hasan, F. N., & Wahyudi, M. (2018). Analisis sentimen artikel berita tokoh sepak bola dunia menggunakan algoritma Support Vector Machine dan Naïve Bayes berbasis Particle Swarm Optimization. Akrab Juara: Jurnal Ilmu-Ilmu Sosial, 3(4), 42–55.
Imam, I., & Santoso, I. (2023). Analisis sentimen pada Twitter terhadap gagalnya pelaksanaan Piala Dunia di Indonesia menggunakan metode Naïve Bayes. IKRA-ITH Informatika: Jurnal Komputer dan Informatika, 7(2), 144–149.
Maulana, M. A. (2023). Politik, olahraga, dan Islam: Studi kasus pembatalan RI menjadi tuan rumah Piala Dunia U-20 2023. Islamic Education, 1(3), 16–24.
Prabowo, R., Sujaini, H., & Rismawan, T. (2023). Analisis sentimen pengguna Twitter terhadap kasus COVID-19 di Indonesia menggunakan metode regresi logistik multinomial. JUSTIN (Jurnal Sistem dan Teknologi Informasi), 11(1), 85–90.
Septian, J. A., Fachrudin, T. M., & Nugroho, A. (2019). Analisis sentimen pengguna Twitter terhadap polemik persepakbolaan Indonesia menggunakan pembobotan TF-IDF dan K-Nearest Neighbor. INSYST: Journal of Intelligent System and Computation, 1(1), 43–49.
Sriyano, C. S., & Setiawan, E. B. (2021). Pendeteksian berita hoax menggunakan Naïve Bayes Multinomial pada Twitter dengan fitur pembobotan TF-IDF. eProceedings of Engineering, 8(2).
Winahyu, J., & Suharjo, I. (2021). Aplikasi web analisis sentimen dengan algoritma Multinomial Naïve Bayes. KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika), 10(2), 206–214.