<![CDATA[Penelitian ini menganalisis sentimen publik terhadap pemecatan Shin Tae-yong (STY) sebagai pelatih Tim Nasional Indonesia melalui media sosial X dengan pendekatan klasifikasi teks menggunakan algoritma Multinomial Naive Bayes. Sebanyak 3.377 tweet berbahasa Indonesia diproses melalui tahapan pra-pemrosesan teks dan diklasifikasikan ke dalam tiga kategori sentimen: positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa mayoritas sentimen bersifat negatif (~64%), diikuti oleh sentimen positif (~24%) dan netral (~12%). Model klasifikasi dengan representasi TF-IDF (ngram 1-2, maksimal 5.000 fitur) mencapai akurasi 84,37% pada data pelatihan dan 82,54% pada data pengujian, menunjukkan performa yang stabil dengan overfitting minimal. Analisis performa per kelas menghasilkan F1-score 0,89 untuk sentimen negatif, namun lebih rendah untuk sentimen netral (0,65) dan positif (0,68), yang mengindikasikan adanya tantangan dalam membedakan kedua kategori tersebut akibat ketidakseimbangan distribusi data. Analisis WordCloud mengonfirmasi pola leksikal yang berbeda antar kategori sentimen, dengan kata-kata seperti "pecat" dan "tidak" mendominasi sentimen negatif, sementara "dukungan" dan "bangga" muncul pada sentimen positif. Penelitian ini membuktikan efektivitas algoritma Naive Bayes dalam menganalisis sentimen publik terhadap isu olahraga di Indonesia, meskipun terdapat limitasi dalam klasifikasi sentimen netral dan positif yang perlu diatasi dalam penelitian selanjutnya.]]>
Copyrights © 2025
