Abstract :
Perkembangan olahraga futsal di Indonesia terus berkembang dan menjadi
salah satu olahraga andalan Indonesia di ajang internasional. Futsal menjadi
olahraga yang cukup banyak diperbincangkan masyarakat Indonesia di media
sosial, salah satunya media sosial Twitter. Berdasarkan data twitter, opini
masyarakat cukup beragam mulai dari opini bahagia, pujian, kritikan bahkan
cacian. Proses mengidentifikasi sentimen masyarakat terkait Timnas Futsal
Indonesia memerlukan suatu analisis yang melalui proses komputasi, yaitu
analisis sentimen. Tujuan dari penelitian ini yaitu menganalisis performa metode
Naive Bayes Classifier tanpa metode boosting, Naive Bayes Classifier dengan
Adaboost dan Naive Bayes Classifier dengan XGBoost dalam melakukan analisis
sentimen pada media sosial Twitter terkait timnas futsal indonesia. Pengujian
yang dilakukan menghasilkan klasifikasi Naïve Bayes Classifier tanpa boosting
memperoleh tingkat akurasi 86,33%, presisi 59,49%, dan recall 48,60%.
Kemudian setelah dilakukan optimasi menggunakan Adaboost algoritma
algoritma Naïve Bayes Classifier mengalami peningkatan tingkat akurasi menjadi
87,77%, dengan presisi sebesar 93,55% dan recall 53,04%. Selain itu, dilakukan
optimasi menggunakan XGBoost pada algoritma Naïve Bayes Classifier
mengalami peningkatan tingkat akurasi menjadi 97,49%, dengan presisi sebesar
98,48% dan recall 74,13%. Hasil tersebut membuktikan penerapan metode
boosting XGBoost dapat meningkatkan performa algoritma Naïve Bayes Classifier
secara maksimal dibandingkan Adaboost. Hal tersebut disebabkan karena
XGBoost akan memperbarui bobot pada setiap pohon yang dibangun untuk
mendapatkan pohon klasifikasi yang kuat.
Kata Kunci: adaboost, analisis sentimen, futsal indonesia, naïve bayes classifier,
twitter,