<![CDATA[AbstrakTimnas sepak bola Indonesia sering gagal bersaing di berbagai turnamen besar internasional. Sentimen masyarakat terhadap prestasi Timnas yang diekspresikan melalui twitter dapat digunakan sebagai salah satu cara untuk menilai perkembangan sepak bola di Indonesia. Penelitian ini bertujuan untuk mengetahui performa metode Support Vektor Machine (SVM) dengan ekstrasi fitur word embeddings Word2vec dan FastText dalam analisis sentimen terkait Timnas sepak bola Indonesia. Data dalam penelitian ini menggunakan data teks berupa tweet terkait keikutsertaan Timnas di ajang piala AFF tahun 2018, 2020, dan 2022 yang dikumpulkan dengan metode crawling. Metode SVM diawali dengan tahap preprocessing dan ekstraksi fitur. Metode ekstraksi fitur dalam penelitian ini menggunakan word embeddings Word2Vec dan FastText. Hasil penelitian, metode SVM menghasilkan akurasi terbaik hingga mencapai 84%, presisi 82%, recall 81%, dan F1 score sebesar 81%. FastText memiliki peforma yang sedikit lebih baik daripada Word2Vec untuk fitur ekstraksi pada analisis sentimen menggunakan SVM, perbedaannya adalah FastText dapat mengenali kata-kata yang tidak ada dalam korpus sedangkan Word2Vec tidak. Model terbaik dihasilkan dengan menggunakan word embeddings FastText dengan model Skip-gram.Kata kunci: analisis sentimen, Support Vector Machine (SVM), Twitter, FastText, Word2Vec.]]>
Copyrights © 2024
