Analisis Sentimen Masyarakat Terhadap Indonesia Vs Uzbekistan Menggunakan Smote (Synthetic Minority Over-sampling Technique) Dan Knn (K-Nearest Neighbor)

Penulis

  • Ade Rocky Saputra Universitas Multi Data Palembang
  • Muhammad Anugrah Hakiki Universitas Multi Data Palembang
  • Hafiz Irsyad Universitas Multi Data Palembang

Kata Kunci:

Football, KNN, Sentiment Analysis, SMOTE, ANALISIS SENTIMEN

Abstrak

Sepak bola adalah salah satu olahraga yang paling populer di dunia, termasuk di Indonesia. Pertandingan antara Indonesia dan Uzbekistan di Piala Asia U-23 menarik perhatian luas masyarakat. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap pertandingan tersebut menggunakan metode Synthetic Minority Over-sampling Technique (SMOTE) dan algoritma K-Nearest Neighbor (KNN). Penelitian ini juga mengkaji dampak penerapan SMOTE pada performa model klasifikasi sentimen. Hasil penelitian menunjukkan bahwa penerapan SMOTE menyebabkan penurunan performa model KNN dengan penurunan dalam accuracy sebesar 10%, precision sebesar 16%, recall sebesar 3%, dan F1-Score sebesar 11%. Selain itu, analisis sentimen mengungkapkan bahwa mayoritas sentimen masyarakat terhadap hasil pertandingan cenderung negatif.

 

Referensi

A. N. Kasanah, Muladi, dan U. Pujianto, “Penerapan Teknik SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Objektivitas Berita Online Menggunakan Algoritma KNN”, RESTI, Vol. 3 No. 2(2019) 196 - 201, Augustus 2019.

http://jurnal.iaii.or.id/index.php/RESTI/article/view/945

S. D. Prasetyo, S S Hilabi, dan F Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN”, KomtekInfo, Vol. 10 No. 1 Hal: 1-7, Maret. 2023.

https://jkomtekinfo.org/ojs/index.php/komtekinfo/article/view/330

H, Sulastri , A, I, Gufroni, “PENERAPAN DATA MINING DALAM PENGELOMPOKAN PENDERITA THALASSAEMIA” , Jurnal Nasional Teknologi Dan Sistem Informasi, VOL. 03 NO. 02 (2017) 299-305.

https://teknosi.fti.unand.ac.id/index.php/teknosi/article/view/335

F. S. Jumeilah , “Penerapan Support Vector Machine (SVM) untuk Pengkategorian Penelitian”, RESTI, Vol. 1 No. 1 (2017) 19 – 25.

http://www.jurnal.iaii.or.id/index.php/RESTI/article/view/11.

J. J. A. Limbong ,”Analisis Klasifikasi Sentimen Ulasan Pada E-Commerce Shopee Berbasis Word Cloud Dengan Metode Naive Bayes Dan K-Nearest Neighbor”,UKSW, 2022

https://repository.uksw.edu/handle/123456789/23206

A, Guswandri, R, P, Cahyono, “PENERAPAN SENTIMEN ANALIS MENGGUNAKAN METODE NAÏVE BAYES DAN SVM”,Jurnal Ilmu Data ,Volume 2 (12), 2022

http://ilmudata.org/index.php/ilmudata/article/view/295

A, Indriani, “Klasifikasi Data Forum dengan menggunakan Metode Naïve Bayes Classifier “, SNATI, 2014

https://journal.uii.ac.id/Snati/article/view/3284

A, A, Magriyanti, “ANALISIS PENGEMBANGAN ALGORITMA PORTER STEMMING DALAM BAHASA INDONESIA “, OSF, 2018

https://osf.io/preprints/inarxiv/7ge4v/

I. H. Kusuma dan N Cahyono, “Analisis Sentimen Masyarakat Terhadap Penggunaan E-Commerce Menggunakan Algoritma K-Nearest Neighbor”, JPIT, Vol.8, No.3 Hal: 1-6, September. 2023.

http://ejournal.poltekharber.ac.id/index.php/informatika/article/view/5734

D Normawati, S A Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter” , J-SAKTI, Volume 5 Nomor 2, September 2021, pp. 697-711

http://ejurnal.tunasbangsa.ac.id/index.php/jsakti/article/view/369

C. A. Pamungkas dan W. W. Widiyanto, “KLASIFIKASI INDEKS PEMBANGUNAN MANUSIA DI INDONESIA TAHUN 2022 DENGAN SUPPORT VECTOR MACHINE”, SINOV, Vol 2 No. 3 , pp. 1 - 7, November. 2022.

https://journal.sinov.id/index.php/juisik/article/view/407

Unduhan

Diterbitkan

2024-07-25