Analisis Sentimen Game Show Clash of Champions Ruangguru dengan Algoritma KNN dan SVM
DOI:
https://doi.org/10.52436/1.jpti.556Kata Kunci:
Analisis Sentimen, Clash of Champions, K-Nearest Neighbor, Ruangguru, Support Vector MachineAbstrak
Penelitian ini menganalisis sentimen publik terhadap acara Clash of Champions (CoC) oleh Ruangguru menggunakan algoritma K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM). Data dianalisis melalui proses evaluasi menggunakan Confusion Matrix dengan metrik evaluasi berupa accuracy, precision, recall, dan F1-Score. Hasil menunjukkan bahwa algoritma KNN memiliki accuracy tertinggi sebesar 74.01%, sedangkan SVM memiliki accuracy 73.68%. Dengan performa yang lebih stabil, KNN terbukti lebih unggul dalam mendeteksi sentimen positif dan negatif dibandingkan SVM. Penelitian ini menunjukkan bahwa algoritma KNN lebih efektif untuk analisis sentimen pada acara edukatif seperti CoC. Hasil ini diharapkan dapat memberikan masukan bagi pengembang program untuk meningkatkan kualitas acara di masa depan.
Unduhan
Referensi
N. Y. S. Munti and D. A. Syaifuddin, “Analisa Dampak Perkembangan Teknologi Informasi Dan Komunikasi Dalam Bidang Pendidikan,” JPT, vol. 4, no. 2, pp. 1799–1805, Oct. 2020, doi: https://doi.org/10.31004/jptam.v4i2.
I. W. F. Fangestu and H. Syahrizal, “Digitalisasi Lembaga Pendidikandalam Menghadapi Perkembangan dan Kemajuan Teknologi Informasi Dunia Pendidikan,” Jurnal Ilmu Sosial dan Hukum, vol. 1, no. 2, pp. 26–38, Dec. 2023, doi: https://doi.org/10.61104/alz.v1i2.89.
J. A. Dewantara and T. H. Nurgiansah, “Efektivitas Pembelajaran Daring di Masa Pandemi COVID 19 Bagi Mahasiswa Universitas PGRI Yogyakarta,” JURNAL BASICEDU, vol. 5, no. 1, pp. 367–375, Jan. 2021, doi: https://doi.org/10.31004/basicedu.v5i1.669.
G. THABRONI, “Ruang Guru: Apa? Mengapa? Kelebihan & Kekurangan+Promo,” serupa.id. Accessed: Jul. 06, 2024. [Online]. Available: https://serupa.id/ruang-guru-apa-mengapa-kelebihan-kekurangan-promo-diskon/
D. Amanda, K. Safitri, V. Ferdiansyah, and Nurbaiti, “Media Pembelajaran Ruang Guru Berbasis Teknologi Sebagai Inovasi Pembelajaran Era Revolusi Industri 4.0,” EBISMAN?: eBisnis Manajemen, vol. 1, no. 4, pp. 23–29, Dec. 2023, doi: https://doi.org/10.59603/ebisman.v1i4.225.
Y. C. I. Sabastian, A. Kindarto, and A. Fathurrohman, “Analisis Sentiment Masyarakat Terhadap Clash of Champions Ruang Guru Menggunakan Metode Support Vector Machine (SVM),” Prosiding Seminar Nasional UNIMUS, vol. 7, pp. 820–838, Oct. 2024.
Wikipedia, “Ruangguru Clash of Champions,” Wikipedia. Accessed: Jul. 06, 2024. [Online]. Available: https://id.wikipedia.org/wiki/Ruangguru_Clash_of_Champions
Ruangguru, “Daftar Peserta Clash of Champions & Jadwal Tayangnya,” Ruangguru. Accessed: Jul. 06, 2024. [Online]. Available: https://www.ruangguru.com/blog/clash-of-champion-ruangguru
M. R. R. Lillah, D. S. Maylawati, W. B. Zulfikar, W. Uriawan, and A. Wahana, “Implementasi Algoritma K-Nearest Neighbor (KNN) untuk Analisis Sentimen Pengguna Aplikasi Tokopedia,” Intellect?: Indonesian Journal of Innovation Learning and Technology, vol. 2, no. 2, pp. 171–184, Dec. 2023, doi: https://doi.org/10.57255/intellect.v2i02.
H. C. Husada and A. S. Paramita, “Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM),” TEKNIKA, vol. 1, no. 1, pp. 18–26, Feb. 2021, doi: https://doi.org/10.34148/teknika.v10i1.311.
Kevin, M. Enjeli, and A. Wijaya, “Analisis Sentimen Pengunaaan Aplikasi Kinemaster Menggunakan Metode Naive Bayes,” JICS, vol. 2, no. 2, pp. 89–98, Jan. 2024, doi: https://doi.org/10.58602/jics.v2i2.24.
Maharan and Fathoni, “Analisis Sentimen Pengguna Terhadap Faktor Penggunaan PayPal Menggunakan Metode Decision Tree,” Jurnal Ilmiah Teknologi Informasi Asia, vol. 18, no. 1, pp. 71–83, May 2024, doi: https://doi.org/10.32815/jitika.v18i1.1002.
S. Helmiyah and A. Verdian, “Analisis Sentimen Terhadap Minat Belajar pada Tayangan Acara CoC by Ruangguru Berdasarkan Tweets Menggunakan Metode NLP dan Model BERT,” Jurnal Pendidikan Rosalia, vol. 7, no. 2, pp. 138–149, Aug. 2024.
E. S. Basryah, A. Erfina, and C. Warman, “ANALISIS SENTIMEN APLIKASI DOMPET DIGITAL DI ERA 4.0 PADA MASA PENDEMI COVID-19 DI PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER,” SISMATIK (Seminar Nasional Sistem Informasi dan Manajemen Informatika), pp. 189–196, Aug. 2021.
S. G. Kaparang, D. R. Kaparang, and V. P. Rantung, “Analisis Sentimen New Normal Pada Masa Covid-19 Menggunakan Algoritma Naïve Bayes,” JOINTER–JOURNAL OF INFORMATICS ENGINEERING, vol. 2, no. 1, pp. 16–23, Jun. 2021, doi: https://doi.org/10.53682/jointer.v2i01.33.
V. Zuliana, Garno, and I. Maulana, “ANALISIS SENTIMEN PROGRAM MIGRASI TV DIGITAL MENGGUNAKAN ALGORITMA NAIVE BAYES DENGAN CHI SQUARE,” Jurnal informasi dan Komputer, vol. 10, no. 2, pp. 90–95, 2022, doi: https://doi.org/10.35959/jik.v10i2.366.
M. I. Ahmadi, D. Gustian, and F. Sembiring, “Analisis Sentiment Masyarakat terhadap Kasus Covid-19 pada Media Sosial Youtube dengan Metode Naive bayes,” Jurnal Sains Komputer & Informatika (J-SAKTI) , vol. 5, no. 2, pp. 807–814, Sep. 2021, doi: http://dx.doi.org/10.30645/j-sakti.v5i2.
A. H. Anshor and A. Safuwan, “ANALISIS SENTIMEN OPINI WARGANET TWITTER TERHADAP TES SCREENING GENOSE PENDETEKSI VIRUS COVID-19 MENGGUNAKAN METODE NAÏVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION,” JINTEKS (Jurnal Informatika Teknologi dan Sains), vol. 5, no. 1, pp. 170–178, Feb. 2023, doi: https://doi.org/10.51401/jinteks.v5i1.2229.
A. Erfina and M. F. Al-shufi, “ANALISIS SENTIMEN APLIKASI JASA KURIR DI PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES,” Jurnal Sistem Informasi dan Informatika (SIMIKA), vol. 5, no. 2, pp. 103–110, Jul. 2022.
R. Saputra and F. N. Hasan, “Analisis Sentimen Terhadap Program Makan Siang & Susu Gratis Menggunakan Algoritma Naive Bayes,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 6, no. 3, pp. 411–419, Jul. 2024, doi: https://doi.org/10.47233/jteksis.v6i3.1378.
N. Habibah, E. Budianita, M. Fikry, and I. Iskandar, “Analisis Sentimen Mengenai Penggunaan E-Wallet Pada Google Play Menggunakan Lexicon Based dan K-Nearest Neighbor,” JURIKOM (Jurnal Riset Komputer), vol. 10, no. 1, pp. 192–200, Feb. 2023, doi: https://doi.org/10.30865/jurikom.v10i1.5429.
T. I. Alfawas, A. Rahim, and Rudiman, “Penerapan Fitur Ekstraksi TF-IDF untuk Analisis Sentimen Ulasan Game Bus Simulator Indonesia dengan Algoritma Naive Bayes,” INNOVATIVE, vol. 4, no. 5, pp. 3177–3193, Sep. 2024, doi: https://doi.org/10.31004/innovative.v4i5.13975.
R. S. Al Fathir, T. R. Agus, A. A. Suyono, and F. Ibrahim, “Analisis Sentimen Haramnya Musik Secara Umum Menggunakan Metode KNN,” METIK, vol. 5, no. 2, pp. 66–70, Dec. 2021, doi: https://doi.org/10.47002/metik.v5i2.284.
R. W. Pratiwi, S. F. H, Dairoh, D. I. Af’idah, Q. R. A, and A. G. F, “Analisis Sentimen Pada Review Skincare Female Daily Menggunakan Metode Support Vector Machine (SVM),” INISTA, vol. 1, no. 1, pp. 41–46, Nov. 2021, doi: https://doi.org/10.20895/inista.v4i1.387.
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J-SAKTI, vol. 5, no. 2, pp. 697–771, Sep. 2021, doi: http://dx.doi.org/10.30645/j-sakti.v5i2.
