Analisis Sentimen Pada Tweet Tentang Pemain Bola Liga Primer Inggris Untuk Prediksi Fans' Player Of The Year Dengan Metode Support Vector Machine

Penulis

Muh Fatkhan Arifudin

Pembimbing: Edi Winarko, Drs., M.Sc., Ph.D


ABSTRACT: Premier League is a competition which had high popularity in the world. Various things about the Premier League is always discussed, like the teams, players, and coaches. The use of social media nowadays to discuss news and personal opinions of the fans. Twitter is a popular social media used both teams, players, and fans. The information contained on Twitter often contains the sentiments of teams and players. The information can be used for prediction of voting Fans' Player of the Year, the best player award of audiences version. But social media has low credibility in providing information. In this research, a model created to classify tweet sentiment into three classes: positive, negative, and neutral. These sentiment analysis using Support Vector Machine (SVM) method. The results of the classification model then used as independent variables for prediction Fans' Player of the Year. The approach method of predictive models using linear regression. Results of sentiment classification model that has been created is expected to predict the outcome of voting. Sentiment classification models created with two methods of weighting that is tf and tf-idf with 3 variations on SVM kernel which is linear, polynomial, and RBF. SVM performance results for the average values of precision, recall, and f1 score is 0822, 0825, and 0809. Prediction model of voting using linear regression method has a R2 value of 30,7% and average mean absolute error of 31,9%.

INTISARI: Liga Primer Inggris merupakan kompetisi sepak bola yang memiliki popularitas tinggi di dunia. Berbagai hal mengenai Liga Primer Inggris selalu ramai diperbincangkan, mulai dari tim, pemain, hingga pelatih. Penggunaan media sosial sekarang ini sebagai sarana untuk memperbincangkan berita dan opini pribadi para penggemar. Twitter merupakan media sosial yang populer digunakan baik tim, pemain, maupun penonton. Informasi yang ada pada Twitter sering kali memuat sentimen penonton terhadap tim dan pemain. Informasi tersebut dapat dimanfaatkan untuk prediksi voting Fans' Player of The Year, salah satu penghargaan pemain terbaik tiap tahun versi penonton. Namun media sosial memiliki kredibilitas yang rendah dalam menyediakan informasi. Pada penelitian ini, dibangun model klasifikasi sentimen yang mengklasifikasi tweet ke dalam 3 kelas yaitu positif, negatif, dan netral. Pendekatan analisis sentimen menggunakan metode Support Vector Machine (SVM). Hasil model klasifikasi kemudian digunakan sebagai variabel independen untuk pembuatan prediksi Fans' Player of The Year. Pendekatan model prediksi menggunakan metode regresi linier. Hasil model klasifikasi sentimen yang dibuat diharapkan mampu memprediksi hasil voting. Model klasifikasi sentimen dibuat dengan 2 metode pembobotan yaitu tf dan tf-idf dengan variasi 3 kernel pada SVM yaitu linear, polinomial, dan RBF. Hasil performa metode SVM secara keseluruhan rata-rata nilai precision, recall, dan f1 score adalah 0.822, 0.825, dan 0.809. Model prediksi hasil voting menggunakan metode regresi linier memiliki nilai R2 sebesar 30,7% dan rata-rata mean absolute error sebesar 31,9%.

Kata kunci analisis sentimen, svm, support vector machine, linear regression, twitter
Program Studi S1 ILMU KOMPUTER UGM
No Inventaris
Deskripsi
Bahasa Indonesia
Jenis Skripsi
Penerbit [Yogyakarta] : Universitas Gadjah Mada, 2016
Lokasi Perpustakaan Pusat UGM
File Tulisan Lengkap dapat Dibaca di Ruang Tesis/Disertasi
  • Anda dapat mengecek ketersediaan versi cetak dari penelitian ini melalui petugas kami dengan mencatat nomor inventaris di atas (apabila ada)
  • Ketentuan Layanan:
    1. Pemustaka diperkenankan mengkopi cover, abstrak, daftar isi, bab pendahuluan, bab penutup/ kesimpulan, daftar pusatak
    2. Tidak diperbolehkan mengkopi Bab Tinjauan Pustaka, Bab Pembahasan dan Lampiran (data perusahaan/ lembaga tempat penelitian)
    3. Mengisi surat pernyataan, menyertakakan FC kartu identitas yang berlaku

<< kembali