ANALISIS SENTIMEN PADA TWITTER PASCA DIBATALKANNYA PAGELARAN PIALA DUNIA U-20 YANG DISELENGGARAKAN DI INDONESIA MENGGUNAKAN METODE MULTINOMIAL NAIVE BAYES


UTAMA, SINGGIH GALIH (2026) ANALISIS SENTIMEN PADA TWITTER PASCA DIBATALKANNYA PAGELARAN PIALA DUNIA U-20 YANG DISELENGGARAKAN DI INDONESIA MENGGUNAKAN METODE MULTINOMIAL NAIVE BAYES. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

Text
1. PENDAHULUAN.pdf

Download (2MB)
Text
2. ABSTRAK.pdf

Download (1MB)
Text
3. BAB I.pdf

Download (1MB)
Text
4. BAB II.pdf
Restricted to Registered users only

Download (1MB)
Text
5. BAB III.pdf
Restricted to Registered users only

Download (1MB)
Text
6. BAB IV.pdf
Restricted to Registered users only

Download (1MB)
Text
7. BAB V.pdf
Restricted to Registered users only

Download (1MB)
Text
8. DAFTAR PUSTAKA.pdf

Download (1MB)
Text
9. LAMPIRAN.pdf
Restricted to Registered users only

Download (1MB)
Text
10. ARTIKEL.pdf
Restricted to Registered users only

Download (692kB)

Abstract

Indonesia sempat ditunjuk sebagai tuan rumah Piala Dunia U-20 tahun 2023, namun akhirnya dibatalkan oleh FIFA. Pembatalan tersebut memicu berbagai tanggapan dan opini masyarakat di media sosial Twitter. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap peristiwa tersebut menggunakan metode Multinomial Naïve Bayes. Sebanyak 921 data komentar Twitter dikumpulkan melalui proses crawling dan dilabeli menjadi tiga kategori: positif, negatif, dan netral. Karena dataset awal menunjukkan ketidakseimbangan kelas yang signifikan (859 positif, 55 negatif, dan 7 netral), metode Synthetic
Minority Oversampling Technique (SMOTE) diterapkan guna
menyeimbangkan data menjadi 429 pada setiap kelas. Data teks
kemudian diproses melalui tahapan preprocessing (cleansing, case
folding, tokenizing, stopword removal, dan stemming) serta pembobotan
Term Frequency-Inverse Document Frequency (TF-IDF). Hasil evaluasi
menggunakan K-Fold Cross Validation membuktikan bahwa penerapan
SMOTE berhasil meningkatkan performa model secara drastis. Pada
pengujian data seimbang, performa terbaik dihasilkan oleh K-Fold 9
dengan tingkat akurasi mencapai 97,20%, presisi 97,31%, dan recall
97,22%. Kesimpulannya, metode Multinomial Naïve Bayes dengan
kombinasi pembobotan TF-IDF dan SMOTE sangat efektif untuk klasifikasi
sentimen pada data yang tidak seimbang.

Dosen Pembimbing: DASUKI, MOH and AL-FARUQ, HABIBATUL AZIZAH | nidn0722109103, nidn0718128901
Item Type: Thesis (Undergraduate)
Keywords/Kata Kunci: Analisis Sentimen; Multinomial Naïve Bayes; SMOTE; TF-IDF; Twitter; Piala Dunia U-20
Subjects: 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: Singgih Galih Utama | singgihgalihutama@gmail.com
Date Deposited: 07 Aug 2026 06:16
Last Modified: 07 Aug 2026 06:16
URI: https://repository.unmuhjember.ac.id/id/eprint/32542

Actions (login required)

View Item
View Item