Analisis Sentimen Pengguna Sosial Media Twitter/X Terhadap Acara Clash of Champions Menggunakan Metode Multinomial Naïve Bayes
Kata Kunci:
Analisis Sentimen, Multinomial Naïve Bayes, Analisis SWOT, Clash of Champions, RuangguruAbstrak
Pemanfaatan media sosial sebagai sumber data untuk memahami persepsi publik menjadi aspek penting bagi banyak organisasi, termasuk Ruangguru dalam menyelenggarakan acara Clash of Champions. Analisis sentimen digunakan untuk mengidentifikasi persepsi publik terhadap acara Clash of Champions. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap acara Clash of Champions menggunakan metode Multinomial Naïve Bayes dan melakukan evaluasi melalui SWOT Analysis. Metode Multinomial Naïve Bayes digunakan untuk mengklasifikasikan sentimen, sementara analisis SWOT dilakukan berdasarkan data yang telah melalui proses topic modelling menggunakan Latent Dirichlet Allocation (LDA). Penelitian ini juga bertujuan untuk mengukur performa algoritma Multinomial Naïve Bayes dalam klasifikasi sentimen serta mengidentifikasi kekuatan, kelemahan, peluang, dan ancaman yang muncul dari hasil analisis SWOT. Hasil implementasi algoritma menunjukkan performa yang baik, dengan tingkat akurasi mencapai 97%. Analisis SWOT mengungkapkan beberapa temuan utama, yaitu kekuatan pada konten acara yang interaktif, kelemahan pada durasi acara yang terlalu pendek dan kurangnya variasi tantangan, peluang pada meningkatnya minat publik terhadap acara edukatif, serta ancaman berupa ekspektasi publik yang tinggi akibat lonjakan popularitas. Hasil penelitian ini diharapkan dapat memberikan wawasan bagi Ruangguru untuk meningkatkan kualitas acara di masa mendatang dan menjadi panduan bagi organisasi lain yang berencana menyelenggarakan acara serupa.
Referensi
Amrullah, A. Z., Sofyan Anas, A., & Hidayat, M. A. J. (2020). Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square. Jurnal, 2(1), 40–44. https://doi.org/10.30812/bite.v2i1.804
Andriani, W., Subandowo, M., Karyono, H., & Gunawan, W. (2021). Learning Loss dalam Pembelajaran Daring di Masa Pandemi Corona. Seminar Nasional Teknologi Pembelajaran. Edudikara: Jurnal Pendidikan Dan Pembelajaran, 1(1), 485–501.
Apriani, R., & Gustian, D. (2019). Analisis Sentimen Dengan Naïve Bayes Terhadap Komentar Aplikasi Tokopedia. Jurnal Rekayasa Teknologi Nusa Putra, 6(1), 54–62. https://doi.org/10.52005/rekayasa.v6i1.86
Dewi, W. A. F. (2020). Dampak COVID-19 terhadap Implementasi Pembelajaran Daring di Sekolah Dasar. Edukatif : Jurnal Ilmu Pendidikan, 2(1), 55–61. https://doi.org/10.31004/edukatif.v2i1.89
Emeraldien, F. Z., Sunarsono, R. J., & Alit, R. (2019). Twitter Sebagai Platform Komunikasi Di Indonesia. Jurnal Teknologi Dan Informasi, XIV(1), 21–30. https://core.ac.uk/download/pdf/234615318.pdf
Ernayanti, T., Mustafid, M., Rusgiyono, A., & Hakim, A. R. (2023). Penggunaan Seleksi Fitur Chi-Square Dan Algoritma Multinomial Naïve Bayes Untuk Analisis Sentimen Pelangggan Tokopedia. Jurnal Gaussian, 11(4), 562–571. https://doi.org/10.14710/j.gauss.11.4.562-571
Gifari, O. I., Adha, M., Freddy, F., & Durrand, F. F. S. (2022). Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine. Journal of Information Technology, 2(1), 36–40. https://doi.org/10.46229/jifotech.v2i1.330
Hasri, C. F., & Alita, D. (2022). Penerapan Metode NaãVe Bayes Classifier Dan Support Vector Machine Pada Analisis Sentimen Terhadap Dampak Virus Corona Di Twitter. Jurnal Informatika Dan Rekayasa Perangkat Lunak, 3(2), 145–160. https://doi.org/10.33365/jatika.v3i2.2026
Jelita, M. (2024). Text Mining dengan Topic Modelling LDA dari Pertanyaan Gelar Wicara Literasi Perpustakaan Nasional RI. 31(3), 253–265. https://doi.org/10.37014/medpus.v31i3.5237
Kabir, A. I., Ahmed, K., & Karim, R. (2020). Word Cloud and Sentiment Analysis of Amazon Earphones Reviews with R Programming Language. Informatica Economica, 24(4/2020), 55–71. https://doi.org/10.24818/issn14531305/24.4.2020.05
Khairunnisa, S., Adiwijaya, A., & Faraby, S. Al. (2021). Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19). Jurnal Media Informatika Budidarma, 5(2), 406. https://doi.org/10.30865/mib.v5i2.2835
Khanifah, A., & Pribadi, F. (2022). Peran Aplikasi Ruang Guru Dalam Meningkatkan Minat Belajar Siswa Saat Pandemi Covid-19. Joyful Learning Journal, 11(3), 92–99. https://doi.org/10.15294/jlj.v11i3.52201
Manuhuruapon, J., Toganti, N., & Pangalila, T. (2024). Aplikasi Pendidikan Online “Ruang Guru” Sebagai Peningkatan Minat Belajar Generasi Milenial Dalam Pembelajaran Pendidikan Pancasila dan Kewarganegaraan. Tumoutou Social Science Journal (TSSJ), 1(1), 08–14. https://jurnal.uisu.ac.id/index.php/Bahastra/article/view/3179
Mashuri, & Nurjannah, D. (2020). Analisis SWOT Sebagai Strategi Meningkatkan Daya Saing. JPS (Jurnal Perbankan Syariah), 1(1), 97–112. https://doi.org/10.46367/jps.v1i1.205
Mubaroroh, H. H., Yasin, H., & Rusgiyono, A. (2022). Analisis Sentimen Data Ulasan Aplikasi Ruangguru Pada Situs Google Play Menggunakan Algoritma Naïve Bayes Classifier Dengan Normalisasi Kata Levenshtein Distance. Jurnal Gaussian, 11(2), 248–257. https://doi.org/10.14710/j.gauss.v11i2.35472
Puspita, E., Shiddieq, D. F., & Roji, F. F. (2024). Pemodelan Topik pada Media Berita Online Menggunakan Latent Dirichlet Allocation (Studi Kasus Merek Somethinc). MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 481–489. https://doi.org/10.57152/malcom.v4i2.1204
Septian, J. A., Fachrudin, T. M., & Nugroho, A. (2019). Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor. Journal of Intelligent System and Computation, 1(1), 43–49. https://doi.org/10.52985/insyst.v1i1.36
Sukoco, G. A., Arsendy, S., Purba, R. E., & Zulfa, A. H. (2023). Bangkit Lebih Kuat: Pemulihan Pembelajaran Pasca Pandemi COVID-19 Studi Kasus INOVASI. i–29. http://www.inovasi.or.id
Syafitri Kustanto, N., Gusriani, N., & Firdaniza. (2022). Analisis Sentimen dengan Metode Klasifikasi Naïve Bayes Dan Seleksi Fitur Information Gain (Studi Kasus: Ulasan Aplikasi PeduliLindungi). In Search, 21(02), 134–144.
Syaifuddin, A., Harianto, R. A., & Santoso, J. (2021). Analisis Trending Topik untuk Percakapan Media Sosial dengan Menggunakan Topic Modelling Berbasis Algoritme LDA. Journal of Intelligent System and Computation, 2(1), 12–19. https://doi.org/10.52985/insyst.v2i1.150
Amrullah, A. Z., Sofyan Anas, A., & Hidayat, M. A. J. (2020). Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square. Jurnal, 2(1), 40–44. https://doi.org/10.30812/bite.v2i1.804
Andriani, W., Subandowo, M., Karyono, H., & Gunawan, W. (2021). Learning Loss dalam Pembelajaran Daring di Masa Pandemi Corona. Seminar Nasional Teknologi Pembelajaran. Edudikara: Jurnal Pendidikan Dan Pembelajaran, 1(1), 485–501.
Apriani, R., & Gustian, D. (2019). Analisis Sentimen Dengan Naïve Bayes Terhadap Komentar Aplikasi Tokopedia. Jurnal Rekayasa Teknologi Nusa Putra, 6(1), 54–62. https://doi.org/10.52005/rekayasa.v6i1.86
Dewi, W. A. F. (2020). Dampak COVID-19 terhadap Implementasi Pembelajaran Daring di Sekolah Dasar. Edukatif : Jurnal Ilmu Pendidikan, 2(1), 55–61. https://doi.org/10.31004/edukatif.v2i1.89
Emeraldien, F. Z., Sunarsono, R. J., & Alit, R. (2019). Twitter Sebagai Platform Komunikasi Di Indonesia. Jurnal Teknologi Dan Informasi, XIV(1), 21–30. https://core.ac.uk/download/pdf/234615318.pdf
Ernayanti, T., Mustafid, M., Rusgiyono, A., & Hakim, A. R. (2023). Penggunaan Seleksi Fitur Chi-Square Dan Algoritma Multinomial Naïve Bayes Untuk Analisis Sentimen Pelangggan Tokopedia. Jurnal Gaussian, 11(4), 562–571. https://doi.org/10.14710/j.gauss.11.4.562-571
Gifari, O. I., Adha, M., Freddy, F., & Durrand, F. F. S. (2022). Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine. Journal of Information Technology, 2(1), 36–40. https://doi.org/10.46229/jifotech.v2i1.330
Hasri, C. F., & Alita, D. (2022). Penerapan Metode NaãVe Bayes Classifier Dan Support Vector Machine Pada Analisis Sentimen Terhadap Dampak Virus Corona Di Twitter. Jurnal Informatika Dan Rekayasa Perangkat Lunak, 3(2), 145–160. https://doi.org/10.33365/jatika.v3i2.2026
Jelita, M. (2024). Text Mining dengan Topic Modelling LDA dari Pertanyaan Gelar Wicara Literasi Perpustakaan Nasional RI. 31(3), 253–265. https://doi.org/10.37014/medpus.v31i3.5237
Kabir, A. I., Ahmed, K., & Karim, R. (2020). Word Cloud and Sentiment Analysis of Amazon Earphones Reviews with R Programming Language. Informatica Economica, 24(4/2020), 55–71. https://doi.org/10.24818/issn14531305/24.4.2020.05
Khairunnisa, S., Adiwijaya, A., & Faraby, S. Al. (2021). Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19). Jurnal Media Informatika Budidarma, 5(2), 406. https://doi.org/10.30865/mib.v5i2.2835
Khanifah, A., & Pribadi, F. (2022). Peran Aplikasi Ruang Guru Dalam Meningkatkan Minat Belajar Siswa Saat Pandemi Covid-19. Joyful Learning Journal, 11(3), 92–99. https://doi.org/10.15294/jlj.v11i3.52201
Manuhuruapon, J., Toganti, N., & Pangalila, T. (2024). Aplikasi Pendidikan Online “Ruang Guru” Sebagai Peningkatan Minat Belajar Generasi Milenial Dalam Pembelajaran Pendidikan Pancasila dan Kewarganegaraan. Tumoutou Social Science Journal (TSSJ), 1(1), 08–14. https://jurnal.uisu.ac.id/index.php/Bahastra/article/view/3179
Mashuri, & Nurjannah, D. (2020). Analisis SWOT Sebagai Strategi Meningkatkan Daya Saing. JPS (Jurnal Perbankan Syariah), 1(1), 97–112. https://doi.org/10.46367/jps.v1i1.205
Mubaroroh, H. H., Yasin, H., & Rusgiyono, A. (2022). Analisis Sentimen Data Ulasan Aplikasi Ruangguru Pada Situs Google Play Menggunakan Algoritma Naïve Bayes Classifier Dengan Normalisasi Kata Levenshtein Distance. Jurnal Gaussian, 11(2), 248–257. https://doi.org/10.14710/j.gauss.v11i2.35472
Puspita, E., Shiddieq, D. F., & Roji, F. F. (2024). Pemodelan Topik pada Media Berita Online Menggunakan Latent Dirichlet Allocation (Studi Kasus Merek Somethinc). MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 481–489. https://doi.org/10.57152/malcom.v4i2.1204
Septian, J. A., Fachrudin, T. M., & Nugroho, A. (2019). Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor. Journal of Intelligent System and Computation, 1(1), 43–49. https://doi.org/10.52985/insyst.v1i1.36
Sukoco, G. A., Arsendy, S., Purba, R. E., & Zulfa, A. H. (2023). Bangkit Lebih Kuat: Pemulihan Pembelajaran Pasca Pandemi COVID-19 Studi Kasus INOVASI. i–29. http://www.inovasi.or.id
Syafitri Kustanto, N., Gusriani, N., & Firdaniza. (2022). Analisis Sentimen dengan Metode Klasifikasi Naïve Bayes Dan Seleksi Fitur Information Gain (Studi Kasus: Ulasan Aplikasi PeduliLindungi). In Search, 21(02), 134–144.
Syaifuddin, A., Harianto, R. A., & Santoso, J. (2021). Analisis Trending Topik untuk Percakapan Media Sosial dengan Menggunakan Topic Modelling Berbasis Algoritme LDA. Journal of Intelligent System and Computation, 2(1), 12–19. https://doi.org/10.52985/insyst.v2i1.150
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.