Analisis Sentimen Event Besar Yang Telah Berlangsung di Sirkuit Mandalika Menggunakan Algoritma Vader-Lexicon Dan SVM Berbasis PSO

Muhamad Rizal

doi:10.30587/indexia.v8i1.10539

Authors

Muhamad Rizal Universitas Bumigora

DOI:

https://doi.org/10.30587/indexia.v8i1.10539

Keywords:

Pariwisata, Media Sosial, Event MotoGP, WSBK Mandalika, Analisis Sentimen, VADER-Lexicon, Support Vector Machine, Particle Swarm Optimization

Abstract

Pariwisata merupakan sektor potensial bagi pertumbuhan ekonomi nasional. Event MotoGP dan WSBK 2022 di Sirkuit Mandalika menimbulkan berbagai opini masyarakat di media sosial. Penelitian ini bertujuan menganalisis sentimen publik menggunakan metode SVM dan SVM berbasis PSO dengan pendekatan CRISP-DM. Sebanyak 7.184 data dikumpulkan dari X dan YouTube melalui web scraping dan RapidMiner. Proses mencakup preprocessing, pelabelan sentimen dengan VADER-Lexicon, ekstraksi fitur TF-IDF, klasifikasi dengan SVM dan SVM PSO, serta evaluasi menggunakan confusion matrix. Hasil menunjukkan akurasi tertinggi sebesar 92,17% pada klasifikasi dua sentimen dengan SVM PSO. Kombinasi SVM PSO dan VADER-Lexicon terbukti efektif dalam analisis sentimen, khususnya pada klasifikasi dua kelas.

Downloads

Download data is not yet available.

References

[1] T. & H. N. Wulan, B.P., Irenewaty, “Dampak keberadaan taman wisata candi prambanan terhadap kehidupan sosial ekonomi masyarakat desa Tlogo kecamatan Prambanankabupaten Klaten,” hal. 1–21, 2013.

[2] V. R. Y. H. D dan Havidz Ageng Prakoso, “Penyelenggaraan Pagelaran Olahraga Balap Di Sirkuit Mandalika Sebagai Upaya Peningkatan Nation Branding Indonesia,” Moderat Jurnal Ilm. Ilmu Pemerintah., vol. 8, no. 2, hal. 284–302, 2022, doi: 10.25157/moderat.v8i2.2704.

[3] A. Danartikanya, “5 Kendala Mandalika yang Wajib Diatasi demi MotoGP 2023 yang Lebih Lancar dan Meriah,” 2022. https://www.bola.net/otomotif/5-kendala-mandalika-yang-wajib-diatasi-demi-motogp-2023-yang-lebih-lancar-dan-meriah-4f422b.html

[4] H. B. Tambunan dan T. W. D. Hapsari, “Analisis Opini Pengguna Aplikasi New PLN Mobile Menggunakan Text Mining,” Petir, vol. 15, no. 1, hal. 121–134, 2021, doi: 10.33322/petir.v15i1.1352.

[5] S. Mujahidin, M. N. Hasyim, dan B. M. Pratama, “Implementasi Analisis Sentimen Opini Publik Mengenai Sirkuit Internasional Mandalika Pada Twitter Menggunakan Metode Multinomial Naïve Bayes Classifier,” Bianglala Inform., vol. 10, no. 2, hal. 129–136, 2022, doi: 10.31294/bi.v10i2.13544.

[6] F. F. Irfani, “Analisis Sentimen Review Aplikasi Ruangguru Menggunakan Algoritma Support Vector Machine,” JBMI (Jurnal Bisnis, Manajemen, dan Inform., vol. 16, no. 3, hal. 258–266, 2020, doi: 10.26487/jbmi.v16i3.8607.

[7] M. W. Fuad Nur Hasan, “ANALISIS SENTIMEN ARTIKEL BERITA TOKOH SEPAK BOLA DUNIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION,” Pakistan Res. J. Manag. Sci., vol. 7, no. 5, hal. 1–2, 2018, [Daring]. Tersedia pada: http://content.ebscohost.com/ContentServer.asp?EbscoContent=dGJyMNLe80Sep7Q4y9f3OLCmr1Gep7JSsKy4Sa6WxWXS&ContentCustomer=dGJyMPGptk%2B3rLJNuePfgeyx43zx1%2B6B&T=P&P=AN&S=R&D=buh&K=134748798%0Ahttp://amg.um.dk/~/media/amg/Documents/Policies and Strategies/S

[8] M. Haris, “Text Preprocessing,” hal. 7–19, 2009.

[9] T. Mustaqim, Sentiment Analysis Opini Pelantikan Kabinet Pemerintah Indonesia Tahun 2019 Menggunakan VADER dan Random Forest. 2020.

[10] P. A. Sumitro, Rasiban, D. I. Mulyana, dan W. Saputro, “Analisis Sentimen Terhadap Vaksin Covid-19 di Indonesia pada Twitter Menggunakan Metode Lexicon Based,” J-ICOM - J. Inform. dan Teknol. Komput., vol. 2, no. 2, hal. 50–56, 2021, doi: 10.33059/j-icom.v2i2.4009.

[11] Melita Ria, “Application of Term Frequency Inverse Document Frequency (TF-IDF) and Cosine Similarity Methods in Information Retrieval Systems to Know Web-Based Hadith Syarah (Case Study: Syarah Umdatil Ahkam),” Tugas Akhir, hal. 158, 2018.

[12] DTRI WISUDAWATI, “Support Vector Machine,” hal. 14–41, 2020, [Daring]. Tersedia pada: http://repository.unimus.ac.id

[13] A. M. Rizki dan A. L. Nurlaili, “Algoritme Particle Swarm Optimization ( PSO ) untuk Optimasi Perencanaan Produksi Agregat Multi-Site pada Industri Tekstil Rumahan,” hal. 1–9.

[14] Z. I. Alfianti, “Analisis Sentimen Review Kosmetik Pada Website Femaledaily Menggunakan Metode Naive Bayes Dan Support Vector Machine Berbasis Particle Swarm Optimization,” Repository.Bsi.Ac.Id, 2019, [Daring]. Tersedia pada: https://repository.bsi.ac.id/index.php/unduh/item/340509/Full-Tesis.pdf

[15] Abdul Muiz Khalimi, “Perhitungan Confusion Matrix Multi Class,” 2020. https://www.pengalaman-edukasi.com/2020/11/menghitung-confusion-matrix-3-kelas.html