ANALISIS SENTIMEN PENGGEMAR SEPAK BOLA TERHADAP PROSES NATURALISASI PEMAIN TIMNAS INDONESIA PADA MEDIA SOSIAL X MENGGUNAKAN SUPPORT VECTOR MACHINE

Amal Anugra; Natalis Ransi; Gusti Arviana Rahman

doi:10.33772/anoatik.v3i1.70

Penulis

Amal Anugra Program studi Ilmu Komputer, Jurusan Matematika, FMIPA, Universitas Halu Oleo
Natalis Ransi Universitas Halu Oleo
Gusti Arviana Rahman Universitas Halu Oleo

DOI:

https://doi.org/10.33772/anoatik.v3i1.70

Abstrak

Abstrak

Proses naturalisasi pemain untuk tim nasional Indonesia telah menjadi topik yang hangat diperbincangkan di kalangan penggemar sepak bola. Media sosial, khususnya platform X, menjadi salah satu tempat utama bagi para penggemar untuk mengungkapkan pendapat dan sentimen mereka mengenai hal ini. Penelitian ini bertujuan untuk menganalisis sentimen penggemar sepak bola terhadap proses naturalisasi pemain timnas Indonesia dengan menggunakan metode Support Vector Machine (SVM).

Analisis sentimen dapat digunakan untuk menganalisis pendapat suporter dan mengelompokkannya menjadi tiga kategori yaitu positif, netral, dan negatif. Penelitian ini menggunakan metode Support Vector Machine untuk melakukan klasifikasi yang dilakukan dengan garis pembatas (hyperplane) yang memisahkan kelas-kelas yang ada pada kumpulan data tweet suporter di media sosial X (twitter) yang memiliki opini tentang naturalisasi.

Hasil penelitian menunjukkan bahwa sentimen penggemar sepak bola Indonesia terhadap proses naturalisasi pemain timnas sebagian besar cenderung positif, dengan proporsi sentimen positif mencapai 38%, sentimen negatif sebesar 37%, dan netral 25%. Analisis ini juga mengungkapkan beberapa faktor yang mempengaruhi sentimen penggemar, termasuk performa pemain naturalisasi di lapangan, kebijakan federasi sepak bola, serta pengaruh media dan opini publik.

Kata Kunci:

naturalisasi pemain, support vector machine, X (twitter), analisis sentimen

Unduhan

Data unduhan belum tersedia.

Referensi

Abdusyukur, F. (2023). Penerapan Algoritma Support Vector Machine (Svm) Untuk Klasifikasi Pencemaran Nama Baik Di Media Sosial Twitter. Komputa : Jurnal Ilmiah Komputer Dan Informatika, 12(1), 73–82. https://doi.org/10.34010/komputa.v12i1.9418.

Agung Prabowo, D., & Sudianto. (2023). Analisis Sentimen Sepak Bola Indonesia pada Twitter menggunakan K-Nearest Neighbors dan Random Forest. JSAI (Journal Scientific and Applied Informatics), 6(2), 217–227. https://doi.org/10.36085/jsai.v6i2.5337

Aji, R. N. B. (2013). Nasionalisme Dalam Sepak Bola Indonesia Tahun 1950-1965. Lembaran Sejarah, , 10(2), 137

Azhar, R., Surahman, A., & Juliane, C. (2022). Analisis Sentimen Terhadap Cryptocurrency Berbasis Python TextBlob Menggunakan Algoritma Naïve Bayes. Jurnal Sains Komputer & Informatika (J-SAKTI, 6(1), 267–281.

Bimasakti, M. A. (2023). Problematik Konstitusionalitas Naturalisasi di Indonesia. Pancasila: Jurnal Keindonesiaan, 3(1), 100–112. https://doi.org/10.52738/pjk.v3i1.149

Dalifah, N., Suarna, N., & Prihartono, W. (2024). Analisis Data Sentimen Negatif Pada Opini Pengguna Twitter Terhadap Berita Sepak Bola Liga 1 Tahun 2022 Dengan Penerapan Support Vector Mechine. 8(1), 209–214.

Darwis, D., Pratiwi, E. S., & Pasaribu, A. F. O. (2020). Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia. Edutic - Scientific Journal of Informatics Education, 7(1), 1–11. https://doi.org/10.21107/edutic.v7i1.8779.

Fitriyah, N., Warsito, B., & Maruddani, D. A. I. (2020). Analisis Sentimen Gojek Pada Media Sosial Twitter Dengan Klasifikasi Support Vector Machine (Svm. Jurnal Gaussian, 9(3), 376–390. https://doi.org/10.14710/j.gauss.v9i3.28932

Hasibuan, N. A., Silalahi, N., Nasution, S. D., Sutiksno, D. U., Nurdiyanto, H., Buulolo, E., Ambon, P. N., Pendahuluan, I., & Mining, A. D. (2017). Implementasi Data Mining Untuk Pengaturan Layout. 4(4), 6–11.

Ikhsan Yusuf, M., Ransi, N., Arman, A., Tenriawaru, A., Saidi, L. O., & La Surimi, L. S. (2022). Analisis Sentimen Komentar Netizen Instagram Terhadap Racism Di Sepak Bola Indonesia Dengan Metode Naive Bayes. Jurnal Matematika Komputasi Dan Statistika, 2(3), 136–143. https://doi.org/10.33772 /jmks.v2i3.10L. Liu and H. Miao, "A specification based approach to testing polymorphic attributes," in Formal Methods and Software Engineering: the 6th Int. Conf. on Formal Engineering Methods, ICFEM 2004, Seattle, USA, Nov. 2004, J. Davies, W. Schulte, M. Barnett, Eds. Berlin: Springer, 2004. pp. 306-19.

Indriati, I., Marji, M., & Pakpahan, S. (2019). Analisis Sentimen Tentang Opini Performa Klub Sepak Bola Pada Dokumen Twitter Menggunakan Support Vector Machine Dengan Perbaikan Kata Tidak Baku. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(7), 7259–7267.

Jon, A. M. (2022). Analisis Sentimen Pada Media Sosial Instagram Klub Persija Jakarta Menggunakan Metode Naive Bayes. 958.

Kadarsih, K., & Andrianto, S. (2022). Membangun Website SMA PGRI Gunung Raya Ranau Menggunakan PHP dan MYSQL. JTIM: Jurnal Teknik Informatika Mahakarya, 03(2), 37–44

Kholilullah, M., Hayati, U., Informatika, T., Informatika, M., & Cirebon, K. (2024). Analisis Sentimen Pengguna Twitter ( X ) Tentang Piala Dunia Usia 17 Menggunakan Metode Naive Bayes. 8(1), 392–398

Nugroho, A. (2018). Analisis Sentimen Pada Media Sosial Twitter Menggunakan Naive Bayes Classifier Dengan Ekstrasi Fitur N-Gram. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 2(2), 200. https://doi.org/10.30645/j-sakti.v2i2.83

Rahayu, W. I., Prianto, C., & Novia, E. A. (2021). Perbandingan Algoritma K-Means Dan Naïve Bayes Untuk Memprediksi Prioritas Pembayaran Tagihan Rumah Sakit Berdasarkan Tingkat Kepentingan Pada Pt. Pertamina (Persero). Jurnal Teknik Informatika, 13(2), 1–8. https://ejurnal.poltekpos.ac.id/index.php/informatika/article/view/1383.

Rifaldi, D., Abdul Fadlil, & Herman. (2023). Teknik Preprocessing Pada Text Mining Menggunakan Data Tweet “Mental Health.” Decode: Jurnal Pendidikan Teknologi Informasi, 3(2), 161–171. https://doi.org/10.51454/decode.v3i2.131.

Roihan, A., Sunarya, P. A., & Rafika, A. S. (2020). Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper. IJCIT (Indonesian Journal on Computer and Information Technology), 5(1), 75–82. https://doi.org/10.31294/ijcit.v5i1.7951

Setiawan, H., & Zufria, I. (2023). Analisis Sentimen Pembatalan Indonesia Sebagai Tuan Rumah Piala Dunia FIFA U-20 Menggunakan Naïve Bayes. Jurnal Media Informatika Budidarma, 7(3), 1003–1012. https://doi.org/10.30865/mib.v7i3.6144.