ANALISIS SENTIMEN PERTANDINGAN SEPAK BOLA PADA TWEET TWITTER MENGGUNAKAN TEXT MINING

MUHAMMAD REZA PAHLEVI, Andi Dharmawan, S.Si., M.Cs., Dr.

2019 | Skripsi | S1 ILMU KOMPUTER

Sepak bola merupakan olahraga yang paling banyak digemari oleh penduduk di Seluruh Dunia. Permainan sepak bola tidak akan ramai jika tanpa sosok pemain ke-12 yaitu Pendukung. Pendukung bisa menaikan mental tim yang didukungnya. Jika tim yang didukung menang, maka akan tampak raut muka kebahagiaan, namun jika tim yang didukung kalah akan tampak kekecewaan. Euforia tersebut kemudian akan diluapkan melalui sosial media, sosial media yang sering dipakai adalah Twitter. Klasifikasi luapan euforia tersebut perlu dilakukan karena bisa menjadi acuan tim untuk berbenah. Pada penelitian ini dilakukan klasifikasi sentimen pertandingan sepak bola menggunakan data tweet dari Twitter menggunakan metode Support Vector Machine (SVM), Multinomial Naive Bayes (MNB) dan Random Forest (RF) yang dikombinasikan dengan variasi parameter. Data yang digunakan adalah tweet pertandingan Tottenham Hotspur melawan Manchester United yang berjumlah 19.292 yang diambil secara waktu nyata dari Twitter. Pengambilan data dilakukan pada tanggal 13 Januari 2019 bersamaan dengan waktu pertandingan dilaksanakan. Metode ekstraksi fitur yang digunakan adalah metode TF atau TF-IDF dan nilai performa yang dihitung adalah accuracy, precision, recall, dan f1 score. Hasil dari penelitian ini adalah performa accuracy sebesar 79,4%, precision sebesar 72,68%, recall sebesar 51,53% dan f1 score sebesar 60,3% untuk model SVM, MNB menghasilkan skor accuracy sebesar 75,48%, precision sebesar 71,11%, recall sebesar 67,14% dan f1 score sebesar 68,3%, sedangkan accuracy sebesar 78,7%, precision sebesar 77,2%, recall sebesar 70,02% dan f1-score sebesar 71,94% untuk model RF.

Football is the most popular sport for people around the world. The game of football will not be interested without the figure of the 12th player, Supporters. Supporters can mentally raise the team they support. If the supported team wins, then there will be a look of happiness, but if the team supported by the defeat will appear disappointed. The euphoria will shared through social media, social media that is often used is Twitter. The euphoric overflow classification needs to be done because it can be a reference for the team to improve. In this study football class sentiment classification was conducted using tweet data from Twitter using the Support Vector Machine (SVM), Multinomial Naive Bayes (MNB) and Random Forest (RF) combined with severals parameters. The data used is a tweet of Tottenham Hotspur's match against Manchester United which total 19,292 taken in real time from Twitter. Data collection is carried out on January 13, 2019 together with the time the match is held. The feature extraction method used is the TF or TF-IDF method and the calculated performance value is accuracy, precision, recall, and f1 score. The results of this study are 79.4% performance accuracy, 72.68% precision, 51.53% recall and 60.3% f1 score for SVM models, MNB produces an accuracy score of 75.48%, precision equal to 71.11%, recall of 67.14% and f1 score of 68.3%, while accuracy is 78.7%, precision is 77.2%, recall is 70.02% and f1- score is 71.94% for RF models.

Kata Kunci : sepak bola, svm, mnb, rf, analisis sentimen