<![CDATA[Pemain naturalisasi di Timnas Senior Sepak Bola Indonesia sering menjadi perbincangan di media sosial, khususnya di X Permasalahan yang muncul berkaitan dengan beragamnya persepsi di kalangan penggemar, yang sering kali memunculkan perbedaan pendapat dan meningkatkan polarisasi opini. Beragam opini muncul, baik positif, negatif, maupun netral, sehingga diperlukan metode otomatis untuk mengklasifikasi sentimen secara efektif. Dalam penelitian ini, model Naïve Bayes diterapkan untuk mengklasifikasikan sentimen tweet terkait pemain naturalisasi. Metode yang digunakan adalah SEMMA (Sample, Explore, Modify, Model, dan Assess), yang mencakup tahapan pengambilan sampel, eksplorasi data, modifikasi, pembangunan model, serta evaluasi. Model ini mampu mengategorikan sentimen menjadi tiga jenis dengan akurasi 85%. Hasil evaluasi menunjukkan bahwa untuk sentimen negatif, precision mencapai 85%, recall 77%, dan F1-score 81%. Pada sentimen netral, precision sebesar 100%, recall 65%, dan F1-score 79%. Sementara itu, sentimen positif memiliki precision 82%, recall 98%, dan F1-score 89%. Hasil ini menunjukkan bahwa model memiliki performa yang baik dalam mendeteksi sentimen positif, negatif dan netral.]]>
Copyrights © 2025
