Analisis Sentimen terhadap Naturalisasi Pemain pada Youtube Menggunakan Decision tree dan Naive bayes

Billy Franko (Universitas Multi Data Palembang)
Nicholas Wilyanto (Universitas Multi Data Palembang)
Hafiz Irsyad (Universitas Multi Data Palembang)

Software Development Digital Business Intelligence and Computer Engineering
Vol. 3 No. 1 (2024): SESSION (SEPTEMBER)

Penelitian ini dilakukan dengan tujuan untuk mengetahui sentimen masyarakat mengenai topik naturalisasi yang sedang ha­ngat belakangan ini mengenai pemain Timnas Sepakbola Indonesia. Peneliti memilih algoritma Decision Tree dan al­go­ritma Naive Bayes sebagai algoritma yang akan digunakan. Decision Tree dan Naive Bayes merupakan beberapa al­go­rit­ma yang umumnya dipakai dalam analisis sentimen karena memberikan hasil yang baik. Hasil pengujian menunjukan al­goritma Decision Tree dengan depth 3 memiliki akurasi sebesar 70%, depth 4 memiliki akurasi sebesar 71,8% dan depth 5 memiliki akurasi sebesar 70,9% dan algoritma Naive Bayes memiliki akurasi sebesar 85,4%. Hasil penelitian ini me­nun­jukkan bahwa algoritma Naive Bayes merupakan salah satu algoritma yang cukup efektif dalam membangun suatu mo­del klasifikasi dalam kasus analisis sentimen. Dengan memanfaatkan algoritma Decision Tree dan Naive Bayes dalam mem­bangun model guna analisis sentimen diharapkan mampu memberi gambaran yang lebih jelas mengenai pendapat ma­syarakat terhadap naturalisasi sehingga pemerintah dapat mengetahui apakah masyarakat mendukung atau justru me­no­lak adanya penambahan pemain naturalisasi dalam timnas sepakbola Indonesia.