L2P UNIVERSITAS MUHAMMADIYAH PONOROGO
Universitas Muhammadiyah Ponorogo
Temukan setiap halaman yang menunggu untuk dibaca, setiap pengetahuan yang siap mengubah dunia.
IMPLEMENTASI TEXT MINING PADA ANALISIS SENTIMEN PEMAIN NATURALISASI TIMNAS INDONESIA DENGAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (SVM)
FAJAR TRI WIDODO (21533483) - Nama Orang;
Skripsi · 2025
Sepak bola adalah olahraga paling populer dan banyak dimainkan diseluruh dunia, termasuk Indonesia. FIFA menjadi sebuah lembaga tertinggi yang mengatur segala urusan sepak bola. FIFA banyak memiliki agenda kompetisi sepak bola seperti piala dunia. PSSI sebagai anggota dari FIFA berkesempatan untuk turut serta dalam turmamen yang diadakan oleh FIFA. Piala dunia menjadi mimpi yang terus didambakan oleh seluruh pecinta sepak bola tanah air. Salah satu strategi federasi sepak bola Indonesia yaitu PSSI untuk meningkatkan prestasi tim nasional adalah melalui program naturalisasi pemain asing. Tujuan dari program tersebut tidak lain adalah untuk memperkuat performa timnas agar bisa bersaing untuk merebutkan asa tampil di ajang piala dunia 2026. Program naturalisasi ini memicu berbagai respons dari masyarakat, terutama melalui media sosial twitter. Opini publik yang disampaikan melalui platform tersebut dapat dianalisis untuk mengetahui sentimen masyarakat terhadap kebijakan naturalisasi. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap cuitan pengguna Twitter mengenai pemain naturalisasi timnas Indonesia dengan menggunakan metode Naive Bayes dan Support Vector Machine (SVM). Proses analisis mencakup tahapan pengumpulan data, pra-pemrosesan, dan klasifikasi sentimen menjadi dua kategori sentimen, yaitu positif dan negatif. Hasil penelitian menunjukkan Naive Bayes memiliki tingkat akurasi yang lebih tinggi dibandingkan Support Vector Machine. Akurasi Naive Bayes sebesar 76,23%, sedangkan SVM memiliki tingkat akurasi sebesar 70,29%, Selain itu, model Naive Bayes juga lebih unggul dalam nilai precision, recall, dan fl-score dibandingkan dengan SVM. Naïve bayes memiliki nilai 78,43% untuk precision, 75,47% untuk recall, dan 76,93% untuk fl-score. Sementara itu, SVM memiliki nilai presisi sebesar 76,74%, recall sebesar 62,26%, dan fl-score sebesar 68,73%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode Naive Bayes lebih efektif dalam mengklasifikasikan sentimen masyarakat terbadap program naturalisasi pemain timnas Indonesia.
Penanda Bagikan
About this edition
Edisi: -
ISBN/ISSN: -
Page count: xx, 97 p, 30 cm.
Published: 2025
Format: text
Penerbit: TEKNIK UNMUH PONOROGO
Bahasa: Indonesia
Tipe Isi: text
Tipe Media: -
Tipe Pembawa: -
Ketersediaan
#
Prodi Teknik Informatika (Rak Koleksi Khusus)
46WID i FT-2025
KK1202FT
Tersedia namun tidak untuk dipinjamkan - No Loan
Versi lain/terkait
Tidak tersedia versi lain
