Naive NAÏVE BAYES CLASSIFIER TERHADAP SENTIMENT ANALYSIS MENGENAI PSSI SETELAH TRAGEDI KANJURUHAN MALANG

Abstrak

Informasi merupakan sesuatu yang penting dikarenakan dari informasi seseorang dapat mengetahui info yang ada seperti kondisi dalam masyrakat saat ini, dalam beberapa kumpulan informasi dapat menghasilkan informasi baru, hal ini disebut penggalian data atau biasa disebut data mining, penerapan data mining dapat membantu untuk menganalisa data yang diperoleh menjadi sebuah inofrmasi yang sebelumnya tidak dapat terlihat oleh mata pembaca, salah satu variasi tersebut yaitu text mining. Salah satu bentuk implementasi text mining adalah analisis sentimen yang merupakan proses menganalisis potongan teks dengan menentukan nada emosional yang mereka bawa, apakah itu positif ataupun negatif. Penelitian ini berfokus pada analisis sentimen masyarakat pada platform Twitter tragedi Kanjuruhan yang berfokus kepada kinerja PSSI menggunakan metode Naïve Bayes Classifier. Naïve Bayes Classifier adalah metode klasifikasi statistik yang dapat memprediksi probabilitas keanggotaan kelas. Berdasarakan hasil penelitian menggunakan 1500 dataset, dengan dataset 80:20 memiliki evaluasi yang cukup baik untuk efektivitas pada metode Naive Bayes Classifier pada kasus analisis sentimen. Penggunaan metode tersebut memiliki hasil sentimen negatif yang banyak dari masyarakat terhadap PSSI daripada sentimen positif setelah tragedi Kanjuruhan.