##plugins.themes.academic_pro.article.main##
Analisis Sentimen Masyarakat Terhadap PON XII Aceh-Sumut Menggunakan Algoritma Naïve Bayes
Abstract
Penelitian ini menganalisis sentimen masyarakat terhadap Pekan Olahraga Nasional (PON) XII di Aceh-Sumatera Utara menggunakan algoritma Multinomial Naive Bayes. Data diperoleh melalui crawling media sosial X, kemudian diolah melalui tahap pre-processing yang meliputi pembersihan data, case folding, normalisasi kata, tokenisasi, penghapusan stopword, dan stemming. Sentimen pada data dilabeli menggunakan pendekatan lexicon-based untuk mengklasifikasikan teks menjadi positif dan negatif. Model klasifikasi dibangun menggunakan algoritma Multinomial Naive Bayes, dengan evaluasi kinerja melalui confusion matrix, akurasi, dan classification report. Hasil penelitian menunjukkan bahwa model mencapai akurasi 79,77% pada data uji, memberikan gambaran tentang pandangan masyarakat terhadap PON XII dan membuktikan efektivitas algoritma ini dalam analisis sentimen berbasis teks.
##plugins.themes.academic_pro.article.details##
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
Muhammad Suhery, Gema Ramadhan, and Abdul Halim Hasugian, “Analisis Sentimen Masyarakat Kota Medan Terhadap Persiapan PON XXI Sumut-Aceh 2024 Menggunakan Metode Naive Bayes,” Polygon : Jurnal Ilmu Komputer dan Ilmu Pengetahuan Alam, vol. 2, no. 5, pp. 10–18, Aug. 2024, doi: 10.62383/polygon.v2i5.207.
K. Jonathan Sitorus and A. Muliawati, “Klasifikasi dan Analisis Sentimen Pada Data Twitter Menggunakan Algoritma Naïve Bayes. (Studi Kasus: Pekan Olahrga Nasional XX 2021),” 2022. [Online]. Available: https://t.co/dsH2pZdXvd
I. Olive, D. Putra, K. Rega Prilianti, P. Lucky, and T. Irawan, “Implementasi Text Mining Untuk Analisis Opini Masyarakat Terhadap Kinerja Layanan Transportasi Online Dengan Analisis Faktor,” vol. 8, no. 2, 2020.
R. Wahyudi et al., “Analisis Sentimen pada review Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine,” Jurnal Informatika, vol. 8, no. 2, 2021, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/ji
M. S. Arrafiq and R. Kurniawan, “Analisis Sentimen Pengguna Terhadap Layanan Aplikasi Seabank Indonesia di Instagram Menggunakan Metode Support Vector Machine,” Journal of Information System Research, vol. 5, no. 4, 2024, doi: 10.47065/josh.v5i4.5620.
F. Abdusyukur, “Penerapan Algoritma Support Vector Machine (Svm) Untuk Klasifikasi Pencemaran Nama Baik Di Media Sosial Twitter,” Komputa: Jurnal Ilmiah Komputer dan Informatika, vol. 12, no. 1, 2023.
J. Homepage and A. Ardiansyah, “SATIN-Sains dan Teknologi Informasi Analisis Sentimen Aplikasi Quizizz pada Google Play Store Menggunakan Naïve Bayes”, doi: 10.33372/stn.v9i2.1056.
R. N. Mauliza and Y. R. Sipayung, “Penerapan Text Mining Dalam Menganalisis Pendapat Masyarakat Terhadap Pemilu 2024 Pada Media Sosial X Menggunakan Metode Naive Bayes,” Technomedia Journal, vol. 9, no. 1, pp. 1–16, Feb. 2024, doi: 10.33050/tmj.v9i1.2212.
A. Firdaus and W. I. Firdaus, “Text Mining Dan Pola Algoritma Dalam Penyelesaian Masalah Informasi : (Sebuah Ulasan),” 2021.
N. Wijaya and E. Setiawan Panjaitan, “Analisis Sentimen Ulasan Aplikasi Instagram di Google Play Store: Pendekatan Multinomial Naive Bayes dan Berbasis Leksikon,” Technology and Science (BITS), vol. 6, no. 2, 2024, doi: 10.47065/bits.v6i2.5615.
S. I. Nurhafida and F. Sembiring, “Analisis Sentimen Aplikasi Novel Online di Google Play Store Menggunakan Algoritma Support Vector Machine (SVM),” 2022.
R. Apriani et al., “Analisis Sentimen Dengan Naïve Bayes Terhadap Komentar Aplikasi Tokopedia,” 2019.
