Analisa Sentimen Tentang Piala Dunia u-20 Indonesia Menggunakan Algoritma K-Nearest Neighbor
DOI:
https://doi.org/10.55338/saintek.v6i2.1397Keywords:
Data Mining, Piala Dunia, Algoritma K-Nearest Neighbor, Sepak BolaAbstract
Piala Dunia U-20, juga dikenal sebagai Kejuaraan Dunia FIFA untuk Pemain Muda, merupakan turnamen sepak bola internasional yang diselenggarakan oleh FIFA setiap dua tahun sekali. Turnamen ini diikuti oleh tim nasional sepak bola U-20 dari berbagai negara di seluruh dunia. Pada 2023 ini, Indonesia seharusnya menjadi tuan rumah Piala Dunia U-20. Penunjukkan Indonesia sebagai tuan rumah Piala Dunia U-20 dimulai pada tahun 2018. Saat itu FIFA membuka proses tender untuk menentukan tuan rumah Piala Dunia U-20 pada tahun 2021. Selain Indonesia, ada tiga negara lain yang juga mengajukan diri sebagai tuan rumah, yaitu Brasil, Peru, dan Uni Emirat Arab. Akan tetapi Indonesia gagal menjadi tuan rumah Piala Dunia u-20 tersebut dikarenakan beberapa faktor, dengan adanya pembatalan tersebut menimbulkan kontroversial sehingga mengundang banyak kalangan untuk memberikan penilaian opininya. Oleh karena itu masyarakat memilih sosial media sebagai tempat untuk menyalurkan opini. Pada penilitian ini, akan mengambil tweets dari twitter untuk diolah dan mengklasifikasikan teks dengan algoritma KNN. Untuk proses klasifikasi teks dibagi menjadi dua kelas yaitu kelas sentimen positif dan kelas sentimen negatif. Data yang digunakan berjumlah 2.862 data yang sudah di cleansing yang berjumlah 1276 data bersentimen positif dan 1010 data yang bersentimen negatif sehingga dapat di presentasekan 44.18% positif dan 55.82% negatif, berdasarkan klasifikasi model algoritma K-Nearest Neighbor, menggunakan split data perbandingan 0.8 : 0.2 dengan nilai k = 3 terhadap dataset Piala Dunia u20, didapatkan nilai accuracy sebesar 99.83%.
Downloads
References
R. Sulastiyono, A. Setiawan, and S. Nugroho, “Sentimen Analisis Pembatalan Indonesia Menjadi Tuan Rumah Piala Dunia U-20 Menggunakan Metode Naïve Bayes,” J. Inf. Syst. Res., vol. 4, no. 4, pp. 1387–1394, 2023, doi: 10.47065/josh.v4i4.3737.
A. Damayanti and A. Khairina Maulidiyah, “Analisa Sentimen Pada Pembatalan Piala Dunia U20 di Indonesia Menggunakan Metode Support Vector Machine,” JITSI J. Ilm. Terap., vol. 1, no. 2, pp. 97–103, 2023, doi: 10.25139/jitsi.v1i2.6607.
H. Setiawan and I. Zufria, “Analisis Sentimen Pembatalan Indonesia Sebagai Tuan Rumah Piala Dunia FIFA U-20 Menggunakan Naïve Bayes,” J. Media Inform. Budidarma, vol. 7, no. 3, pp. 1003–1012, 2023, doi: 10.30865/mib.v7i3.6144.
S. A. Ramdhani and S. Waluyo, “Analisis Sentimen Masyarakat Twitter Terhadap Piala Dunia U-20 2023 Di Indonesia Menggunakan Algoritma K-Nearest Neighbor Analysis of Public Sentiment on Twitter Social Media for the 2023 U20 World Cup in Indonesia Using the K- Nearest Neighbor ( Knn ) Al,” vol. 2, no. September, 2023.
L. D. Mahbubah and E. Zuliarso, “Analisa Sentimen Twitter Pada Pilpres 2019 Menggunakan Algoritma Naive Bayes,” Sintak, pp. 194–195, 2019, [Online]. Available: https://www.unisbank.ac.id/ojs/index.php/sintak/article/view/7585
E. N. Hamdana, “Pengembangan Sistem Analisis Sentimen Berbasis Java Pada Data Twitter Terhadap Omnibus Law Menggunakan Algoritma Naïve Bayes dan K-Nearst Neighbor (K-NN),” J. Inform. Polinema, vol. 7, no. 2, pp. 79–84, 2021, doi: 10.33795/jip.v7i2.688.
A. Aliyudin, “Analisis Sentimen Terhadap Piala Dunia U-20 Yang Batal Diselenggarakan Di Indonesia Pada Media Youtube Dengan Menggunakan Metode Naïve Bayes,” Inf. Interaktif J. Inform. dan Teknol. Inf., vol. 8, no. 2, pp. 71–78, 2023.
F. Fitriana, E. Utami, and H. Al Fatta, “Analisis Sentimen Opini Terhadap Vaksin Covid - 19 pada Media Sosial Twitter Menggunakan Support Vector Machine dan Naive Bayes,” J. Komtika (Komputasi dan Inform., vol. 5, no. 1, pp. 19–25, 2021, doi: 10.31603/komtika.v5i1.5185.
K. Solecha, “Analisa Sentimen Dengan Algoritma Naïve Bayes Classifier Berbasis Particle Swarm Optimization Untuk Review Restoran,” J. Speed-Sentra Penelit. Eng. dan Edukasi, vol. 11, no. 1, 2018, [Online]. Available: https://www.zomato.com/
F. Sodik and I. Kharisudin, “Analisis Sentimen dengan SVM , NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter,” Prisma, vol. 4, pp. 628–634, 2021.
M. Syarifuddinn, “Analisis Sentimen Opini Publik Terhadap Efek Psbb Pada Twitter Dengan Algoritma Decision Tree,Knn, Dan Naïve Bayes,” INTI Nusa Mandiri, vol. 15, no. 1. pp. 87–94, 2020. doi: 10.33480/inti.v15i1.1433.
A. Salam, J. Zeniarja, and R. S. U. Khasanah, “Analisis Sentimen Data Komentar Sosial Media Facebook Dengan K-Nearest Neighbor (Studi Kasus Pada Akun Jasa Ekspedisi Barang J&T Ekpress Indonesia),” Pros. SINTAK, pp. 480–486, 2018.
R. Sari, “Analisis Sentimen Pada Review Objek Wisata Dunia Fantasi Menggunakan Algoritma K-Nearest Neighbor (K-Nn),” EVOLUSI J. Sains dan Manaj., vol. 8, no. 1, pp. 10–17, 2020, doi: 10.31294/evolusi.v8i1.7371.
S. S. Salim and J. Mayary, “Analisis Sentimen Pengguna Twitter Terhadap Dompet Elektronik Dengan Metode Lexicon Based Dan K – Nearest Neighbor,” J. Ilm. Inform. Komput., vol. 25, no. 1, pp. 1–17, 2020, doi: 10.35760/ik.2020.v25i1.2411.
L. R. Dharmawan, I. Arwani, and D. E. Ratnawati, “Analisis Sentimen pada Sosial Media Twitter Terhadap Layanan Sistem Informasi Akademik Mahasiswa Universitas Brawijaya dengan Metode K- Nearest Neighbor,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 3, pp. 959–965, 2020, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/7099
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Lintang Purnama, Tri Wahyudi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Most read articles by the same author(s)
- Tri Wahyudi, Naini Saadah, Devi Puspitasari, Penerapan Metode K-Means Pada Data Penjualan Untuk Mendapatkan Produk Terlaris Di PT. Titian Nusantara Boga , Jurnal Sains dan Teknologi: Vol. 5 No. 1 (2023): Jurnal Sains dan Teknologi