Perbandingan Kinerja CNN dan Naïve Bayes pada Analisis Sentimen Performa Manchester United di Twitter
Main Article Content
Abstract
Analisis sentimen digunakan untuk mengevaluasi kecenderungan suatu opini atau sentimen, termasuk apakah pendapat tersebut cenderung memberikan opini yang negative maupun positif. Pada studi penelitian terbaru, data didapatkan dari media social seperti Twitter, di mana pengguna memberikan pendapat pribadi mereka tentang topik tertentu. Manchester United menjadi klub yang sering dibicarakan di twitter mengenai performanya dalam sepakbola, baik dalam performa bagus ataupun performa buruk. Penelitian ini membandingkan dua algoritme, yaitu Convolutional Neural Network (CNN) dan Naive Bayes untuk menganalisis sentimen data sentiment dari Twitter tentang Manchester United. Data pada penelitian ini berbahasa Inggris dan Indonesia. Berdasarkan hasil penelitian, pada dataset berbahasa inggris CNN menghasilkan kinerja terbaik dengan nilai akurasi 94%, sementara nilai Naive Bayes hanya 79%. Begitupun pada dataset berbahasa Indonesia, CNN menghasilkan kinerja terbaik dengan nilai akurasi 91%, sementara hasil nilai Naive Bayes ada pada 75%. Untuk sentimen soal Manchester United, sentimen positif cenderung muncul ketika hasil pertandingan dimenangkan oleh Manchester United, dan pada sentimen berbahasa inggris maupun indonesia sentimen positif banyak diisi oleh kata-kata pujian. Sementara sentimen negatif cenderung muncul ketika Manchester United kalah dalam pertandingan atau ketika pemain bermain buruk dan berperilaku indisipliner.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Submission of an original manuscript to the journal will be taken to mean that it represents originality work not previously published. Please see JIEET (Journal of Information Engineering and Educational Technology) originality guidelines for details. Use this in conjunction with the points below about references, before submission i.e. always attribute clearly using either indented text or quote marks as well as making use of the preferred IEEE style of formatting. Authors submitting articles for publication warrant that the work is not an infringement of any existing copyright and will indemnify the publisher against any breach of such warranty. For ease of dissemination and to ensure proper policing of use, papers and contributions become the legal copyright of the publisher unless otherwise agreed.
The editor may make use of Thurnitin software for checking the originality of submissions received.