Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Indonesian Journal on Data Science

Analisis Sentimen Transfer Pemain Klub La Liga Spanyol Pada Bursa Transfer Musim Dingin Eropa Di Twitter Ahmad Adita Shiddiq; Aris Wahyu Murdiyanto; Arif Himawan
INDONESIAN JOURNAL ON DATA SCIENCE Vol 1 No 1 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i1.859

Abstract

Dari beberapa kompetisi Sepak Bola yang ada, Liga Champions UEFA yang paling digemari oleh masyarakat. Pada tahun 2022 bursa transfer pemain Eropa dibuka, bursa transfer yang dilakukan merupakan cara jangka pendek untuk memperbaiki tim dalam mengejar prestasi sepak bola Dengan media sosial sebagai wadah komunitas, para penggemar sepak bola dapat juga menyalurkan opini, informasi dan berita tentang klub kesayangan kepada masyarakat. Opini masyarakat terhadap transfer pemain Liga Spanyol memiliki peranan penting. Dengan dilakukannya analisis sentimen terhadap opini, dapat dijadikan suatu pola prediksi penilaian masyarakat terhadap transfer pemain serta dapat memberikan saran kepada tim sepak bola terkait bursa transfer pemain pada periode musim selanjutnya. Membuat analisis sentiment penggemar sepak bola terhadap transfer pemain Liga Spanyol apakah bersifat positif dan negatif. Metode Naïve Bayes Classifer (NBC) dalam penelitian ini dipilih dikarenakan pada algoritma NBC dapat melakukan proses pengolahan data diskrit dan data kuantitatif dengan menggunakan sampel yang relative sedikit dan juga perhitungan pada algoritma NBC lebih cepat. Pengambilan data berupa topik mengena keyword “Transfer La Liga”, “Transfer Real Madrid”, “Transfer Barcelona”, “Transfer Liga Spanyol” dan “Transfer Copa Del Ray”. Data tweet di ambil dari periode 1 Januari 2020 sampai dengan 31 Mei 2022, dengan jumlah data total 11.282. Pada penelitian telah berhasil mendapatkan akurasi dengan nilai 81,67 % pada data training dan 85 % untuk data testing. Pada penelitian ini berhasil membuat model analisis sentimen berupa file.pickle yang dimana untuk melakukan klasifikasi dan prediksi pada data tweet untuk mendapatkan sebuah hasil sentimen positif dan negative. Penelitian ini telah berhasil mendapatkan akurasi dengan nilai 81,67 % pada data training dan 85 % untuk data testing.Hasil analisis sentimen akhir dalam klasifikasi penelitian ini bernilai “Sentimen Negatif”
Analisis Sentimen Di Media Sosial Twitter Dengan Studi Kasus Vaksinasi Covid-19 Nufia Alfi Rohyana; Aris Wahyu Murdiyanto; Kharisma
INDONESIAN JOURNAL ON DATA SCIENCE Vol 1 No 1 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i1.861

Abstract

With the COVID-19 pandemic, the World Health Organization or WHO conducted research and research trials on the COVID-19 vaccine. The Indonesian government has made several policies, one of which is the "Mass Vaccination Program". However, the COVID-19 vaccination program in the field received mixed responses in the community, there were those who supported the vaccine program and some who rejected the vaccine program. In this study, researchers conducted research on sentiment analysis on the opinion of vaccination programs against anti-vaccine community groups based on Twitter social media data using the Naïve Bayes Classifier algorithm to provide information on opinion assessments that lead to positive and negative sentiments. Objective: The purpose of this study is to find out the public perception of AntiVaccine against the COVID-19 Vaccination Program in Indonesia. This study uses the Naïve Bayes Classification. The use of the Naïve Bayes Classifier (NBC). This research uses tweets obtained from Twitter with the keywords/hashtags “Anti Covid-19 Vaccines” or by collecting data based on accounts related to news about vaccination programs such as @ The Ministry of Health of the Republic of Indonesia. Data collection was carried out in the period August 2021-December 2021, with a total of 889 data. This study has succeeded in obtaining an accuracy of 72 % for testing. The result of the final sentiment analysis in the classification of the Anti-Vaccine group in this study is "Negative Sentimen".
Analisis Sentimen Transfer Pemain Klub La Liga Spanyol Pada Bursa Transfer Musim Dingin Eropa Di Twitter Ahmad Adita Shiddiq; Aris Wahyu Murdiyanto; Arif Himawan
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 1 No. 1 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i1.859

Abstract

Dari beberapa kompetisi Sepak Bola yang ada, Liga Champions UEFA yang paling digemari oleh masyarakat. Pada tahun 2022 bursa transfer pemain Eropa dibuka, bursa transfer yang dilakukan merupakan cara jangka pendek untuk memperbaiki tim dalam mengejar prestasi sepak bola Dengan media sosial sebagai wadah komunitas, para penggemar sepak bola dapat juga menyalurkan opini, informasi dan berita tentang klub kesayangan kepada masyarakat. Opini masyarakat terhadap transfer pemain Liga Spanyol memiliki peranan penting. Dengan dilakukannya analisis sentimen terhadap opini, dapat dijadikan suatu pola prediksi penilaian masyarakat terhadap transfer pemain serta dapat memberikan saran kepada tim sepak bola terkait bursa transfer pemain pada periode musim selanjutnya. Membuat analisis sentiment penggemar sepak bola terhadap transfer pemain Liga Spanyol apakah bersifat positif dan negatif. Metode Naïve Bayes Classifer (NBC) dalam penelitian ini dipilih dikarenakan pada algoritma NBC dapat melakukan proses pengolahan data diskrit dan data kuantitatif dengan menggunakan sampel yang relative sedikit dan juga perhitungan pada algoritma NBC lebih cepat. Pengambilan data berupa topik mengena keyword “Transfer La Liga”, “Transfer Real Madrid”, “Transfer Barcelona”, “Transfer Liga Spanyol” dan “Transfer Copa Del Ray”. Data tweet di ambil dari periode 1 Januari 2020 sampai dengan 31 Mei 2022, dengan jumlah data total 11.282. Pada penelitian telah berhasil mendapatkan akurasi dengan nilai 81,67 % pada data training dan 85 % untuk data testing. Pada penelitian ini berhasil membuat model analisis sentimen berupa file.pickle yang dimana untuk melakukan klasifikasi dan prediksi pada data tweet untuk mendapatkan sebuah hasil sentimen positif dan negative. Penelitian ini telah berhasil mendapatkan akurasi dengan nilai 81,67 % pada data training dan 85 % untuk data testing.Hasil analisis sentimen akhir dalam klasifikasi penelitian ini bernilai “Sentimen Negatif”
Analisis Sentimen Di Media Sosial Twitter Dengan Studi Kasus Vaksinasi Covid-19 Nufia Alfi Rohyana; Aris Wahyu Murdiyanto; Kharisma
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 1 No. 1 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i1.861

Abstract

With the COVID-19 pandemic, the World Health Organization or WHO conducted research and research trials on the COVID-19 vaccine. The Indonesian government has made several policies, one of which is the "Mass Vaccination Program". However, the COVID-19 vaccination program in the field received mixed responses in the community, there were those who supported the vaccine program and some who rejected the vaccine program. In this study, researchers conducted research on sentiment analysis on the opinion of vaccination programs against anti-vaccine community groups based on Twitter social media data using the Naïve Bayes Classifier algorithm to provide information on opinion assessments that lead to positive and negative sentiments. Objective: The purpose of this study is to find out the public perception of AntiVaccine against the COVID-19 Vaccination Program in Indonesia. This study uses the Naïve Bayes Classification. The use of the Naïve Bayes Classifier (NBC). This research uses tweets obtained from Twitter with the keywords/hashtags “Anti Covid-19 Vaccines” or by collecting data based on accounts related to news about vaccination programs such as @ The Ministry of Health of the Republic of Indonesia. Data collection was carried out in the period August 2021-December 2021, with a total of 889 data. This study has succeeded in obtaining an accuracy of 72 % for testing. The result of the final sentiment analysis in the classification of the Anti-Vaccine group in this study is "Negative Sentimen".
Co-Authors -, Purnawan Adri Priadana Adri Priadana Agung Purwanto Soedarbe Agung Satria Panca Ahmad Adita Shiddiq Ahmad Adita Shiddiq Ahmad Hanafi Ahmad Hanafi Alfun Roehatul Jannah Alfun Roehatul Jannah Almayanti Susillia Ningrum Alwiah, Izmy Angkotasan, Muhamad Arabi Rizki Arbintarso, Ellyawan Setyo Arif Himawan Arif Himawan Arif Himawan, Arif Aulia Puji Rahayu Bara Falah Adikaputra Catur Iswahyudi David Sulistiyantoro David Sulistiyantoro, David Sulistiyantoro Dewi, Tika Sari Dian Hafidh Zulfikar Dimas Pratama Jati Edhy Sutanta (Jurusan Teknik Informatika IST AKPRIND Yogyakarta) Fitriatul Hasanah Gerlan Haha Nusa Gilang Argya Dyaksa Haha Nusa, Gerlan Hamada Zein Hariyanto, Satriawan Dini Ida Ristiana Iqbal Hadi Subekti Iqbal Hadi Subekti Kadir Parewe, Andi Maulidinnawati Abdul Kharisma Kharisma Kusumaningtyas, Kartikadyota Latipah, Asslia Johar M. Abu Amar Al Badawi Marausna, Gaguk Muhammad Habibi Muhammad Habibi Muhammad Luqman Bukhori Muhammad Rifqi Ma'arif Mukasi Wahyu Kurniawati Nafisa Alfi Sa'diya Naswin, Ahmad Nufia Alfi Rohyana Nufia Alfi Rohyana Nurcahyo, Raden Wisnu Nurul Fatimah Poetro, Bagus Satrio Waluyo Prasetiyo, Erwan Eko Puji Astuti, Nur Rochmah Dyah Purbobinuko, Zakharias Kurnia Purnawan Purnawan Putra, Fajri Profesio Putra, Ikbal Rizki Raden Wisnu Nurcahyo Risky Setyadi Putra Rosid, Ibnu Abdul Rudi Setiawan Samuel Kristiyana Septiyati Purwandari Siregar, Alda Cendekia Sisilia Endah Lestari, Sisilia Endah Sugeng Santoso Sumiyatun Suparni Setyowati Rahayu Surya Rizki Syahruddin, Fajar Tarigan, Thomas Edyson Umar Zaky Yulianto Prabowo, Fajar Zennul Mubarrok, Zennul Mubarrok