BSIBSI
Jurnal InfortechJurnal InfortechPenelitian ini bertujuan menganalisis persepsi publik terhadap kinerja Tim Nasional Indonesia pada masa kepelatihan Patrick Kluivert melalui analisis sentimen komentar penggemar di Instagram. Media sosial dipilih karena menjadi wadah utama bagi penggemar untuk menyampaikan opini dan dukungan secara langsung. Sebanyak 300 komentar dikumpulkan dari akun resmi Timnas Indonesia menggunakan teknik data scraping. Data tersebut kemudian melalui proses pembersihan dan pelabelan sebelum dianalisis. Untuk menyeimbangkan distribusi data, digunakan metode Synthetic Minority Over-sampling Technique (SMOTE). Klasifikasi sentimen dilakukannya dengan membandingkan dua algoritma machine learning, yaitu Naïve Bayes dan Decision Tree, guna menilai kinerja masing-masing dalam mengenali sentimen positif maupun negatif. Hasil penelitian menunjukkan bahwa model Decision Tree memiliki performa lebih baik, khususnya dengan nilai recall tinggi pada kelas positif, yang menunjukkan kemampuannya dalam mendeteksi sentimen positif secara akurat. Meski demikian, model ini masih lemah dalam mengidentifikasi sentimen negatif. Secara keseluruhan, temuan ini menggambarkan antusiasme dan kecintaan besar penggemar terhadap Timnas Indonesia, terlepas dari hasil pertandingan yang diperoleh.
Dari hasil analisa sentimen menggunakan metode Naïve Bayes berbasis SMOTE dan Decision Tree serta menggunakan rasio 70.10 di atas, dapat disimpulkan bahwa penulis mengambil rasio 70.30 sebagai hasil penelitian kali ini karena memiliki nilai akurasi sebesar 49,23% untuk Naïve Bayes dan Decision Tree memiliki nilai akurasi sebesar 63,77%.Decision Tree, memiliki akurasi sebesar 63,77%, yang menunjukkan bahwa model ini benar dalam memprediksi sekitar 63,77% dari keseluruhan data.Decision Tree memiliki recall untuk kelas positif yang tinggi (90,24%) namun recall untuk kelas negatif hanya 25%, menunjukkan kesulitan mengenali beberapa contoh negatif.Secara keseluruhan, model Decision Tree memiliki performa lebih baik dibandingkan model Naïve Bayes, terutama dalam hal recall untuk kelas positif.
Sebuah studi lanjutan dapat memanfaatkan analisis teks yang memperhitungkan emotikon dan slang yang sering muncul di komentar Instagram, sehingga meningkatkan akurasi klasifikasi Sentimen.. Selain itu, penelitian berikutnya bisa membandingkan kinerja model machine learning tradisional seperti Naïve Bayes dengan model deep learning berbasis BERT yang sudah diadaptasi untuk bahasa Indonesia, dan menilai apakah metode oversampling tetap diperlukan.. Penelitian lainnya dapat mengambil pendekatan longitudinal dengan meneliti perubahan sentimen publik sebelum dan sesudah pertandingan penting, sehingga dapat diidentifikasi faktor-faktor emosional yang memengaruhi persepsi supporter.. Dengan menggabungkan ketiga orientasi tersebut dalam satu proyek, peneliti dapat menilai kontribusi variabel linguistik, arsitektur model, dan dinamika waktu terhadap pemahaman sentiment pada komunitas penggemar sepak bola Indonesia.
- PREDIKSI KELULUSAN MAHASISWA DENGAN METODE NAIVE BAYES | khasanah | Technologia : Jurnal Ilmiah. kelulusan... doi.org/10.31602/tji.v13i3.7312PREDIKSI KELULUSAN MAHASISWA DENGAN METODE NAIVE BAYES khasanah Technologia Jurnal Ilmiah kelulusan doi 10 31602 tji v13i3 7312
- Analisis Sentimen dengan Metode Naïve Bayes, SMOTE dan Adaboost pada Twitter Bank BTN | Jurnal JTIK... doi.org/10.35870/jtik.v7i3.707Analisis Sentimen dengan Metode Nayve Bayes SMOTE dan Adaboost pada Twitter Bank BTN Jurnal JTIK doi 10 35870 jtik v7i3 707
- Analisis Sentimen Pada Rating Aplikasi Shopee Menggunakan Metode Decision Tree Berbasis SMOTE | AITI.... doi.org/10.24246/aiti.v18i2.173-184Analisis Sentimen Pada Rating Aplikasi Shopee Menggunakan Metode Decision Tree Berbasis SMOTE AITI doi 10 24246 aiti v18i2 173 184
- Gaussian Naïve Bayes Algorithm: A Reliable Technique Involved in the Assortment of the Segregation... hindawi.com/journals/misy/2022/2436946Gaussian NayEAve Bayes Algorithm A Reliable Technique Involved in the Assortment of the Segregation hindawi journals misy 2022 2436946
| File size | 815.72 KB |
| Pages | 9 |
| DMCA | Report |
Related /
BSIBSI Temuan ini menegaskan pentingnya penerapan teknik regulasi untuk mengurangi overfitting dan meningkatkan generalisasi model dalam deteksi hoaks. PenelitianTemuan ini menegaskan pentingnya penerapan teknik regulasi untuk mengurangi overfitting dan meningkatkan generalisasi model dalam deteksi hoaks. Penelitian
BSIBSI Aplikasi ini memudahkan pakar dan petugas TOSS TBC dalam memberikan pelayanan diagnosis bagi penderita Tuberkulosis di daerah perifer yang kurang terakses.Aplikasi ini memudahkan pakar dan petugas TOSS TBC dalam memberikan pelayanan diagnosis bagi penderita Tuberkulosis di daerah perifer yang kurang terakses.
BSIBSI Kombinasi metode ROC dan SAW terbukti efektif dalam menganalisis efisiensi bahan bakar kendaraan LSUV di Indonesia.metode ROC menyediakan bobot kriteriaKombinasi metode ROC dan SAW terbukti efektif dalam menganalisis efisiensi bahan bakar kendaraan LSUV di Indonesia.metode ROC menyediakan bobot kriteria
BSIBSI Saran untuk penelitian selanjutnya adalah menguji EoIP pada lebih banyak lokasi dengan beban jaringan lebih tinggi, menambahkan enkripsi IPSec untuk meningkatkanSaran untuk penelitian selanjutnya adalah menguji EoIP pada lebih banyak lokasi dengan beban jaringan lebih tinggi, menambahkan enkripsi IPSec untuk meningkatkan
BSIBSI Berdasarkan hasil klasifikasi, Support Vector Machine (SVM) terbukti lebih unggul dibandingkan Naïve Bayes dalam hal akurasi dan konsistensi prediksiBerdasarkan hasil klasifikasi, Support Vector Machine (SVM) terbukti lebih unggul dibandingkan Naïve Bayes dalam hal akurasi dan konsistensi prediksi
BSIBSI Evaluasi terhadap kegunaan dan efektivitas website menjadi penting untuk meningkatkan kemudahan serta loyalitas pengguna. Penelitian ini bertujuan untukEvaluasi terhadap kegunaan dan efektivitas website menjadi penting untuk meningkatkan kemudahan serta loyalitas pengguna. Penelitian ini bertujuan untuk
BSIBSI Penelitian ini bertujuan untuk membangun model klasifikasi kenaikan jabatan menggunakan Algoritma C4. 5 guna meningkatkan objektivitas keputusan promosiPenelitian ini bertujuan untuk membangun model klasifikasi kenaikan jabatan menggunakan Algoritma C4. 5 guna meningkatkan objektivitas keputusan promosi
KOMPETIFKOMPETIF Model Springate menunjukkan tingkat sensitivitas yang lebih tinggi dalam mengidentifikasi potensi kebangkrutan, terutama pada bank dengan efisiensi operasionalModel Springate menunjukkan tingkat sensitivitas yang lebih tinggi dalam mengidentifikasi potensi kebangkrutan, terutama pada bank dengan efisiensi operasional
Useful /
BSIBSI Temuan ini memberikan informasi berharga bagi PT Masada Abadi untuk mengoptimalkan strategi pemasaran dan distribusi produk kabel listrik mereka, denganTemuan ini memberikan informasi berharga bagi PT Masada Abadi untuk mengoptimalkan strategi pemasaran dan distribusi produk kabel listrik mereka, dengan
BSIBSI Sistem ini dirancang untuk memantau parameter penting seperti penggunaan CPU, memori, kapasitas disk, dan lalu lintas jaringan. Apabila terdeteksi adanyaSistem ini dirancang untuk memantau parameter penting seperti penggunaan CPU, memori, kapasitas disk, dan lalu lintas jaringan. Apabila terdeteksi adanya
KOMPETIFKOMPETIF Temuan ini menunjukkan bahwa komunikasi yang suportif dan job crafting yang proaktif meningkatkan kinerja secara langsung dan tidak langsung melalui peningkatanTemuan ini menunjukkan bahwa komunikasi yang suportif dan job crafting yang proaktif meningkatkan kinerja secara langsung dan tidak langsung melalui peningkatan
KOMPETIFKOMPETIF Pelanggan adalah individu atau sekelompok orang yang membeli dan memperoleh barang atau jasa untuk dikonsumsi dan digunakan (Kotler & Keller, 2006). SektorPelanggan adalah individu atau sekelompok orang yang membeli dan memperoleh barang atau jasa untuk dikonsumsi dan digunakan (Kotler & Keller, 2006). Sektor