ANALISIS SENTIMEN PERFORMA “VIDEO ASSISTANT REFEREE” MENGGUNAKAN ALGORITMA NAÏVE BAYES

Abstract

Video Assistant Referee (VAR) adalah teknologi yang diterapkan dalam sepak bola untuk membantu wasit membuat keputusan yang lebih akurat. Meskipun bertujuan untuk meningkatkan keadilan dalam permainan, penerapan VAR sering kali memicu kontroversi dan perdebatan di kalangan penggemar serta pemain sepak bola. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap VAR melalui data yang dikumpulkan dari Twitter. Masalah utama yang dihadapi adalah adanya perbedaan pandangan terhadap efektivitas dan dampak VAR, yang mempengaruhi persepsi publik. Metode yang digunakan dalam penelitian ini adalah Naïve Bayes dengan fitur TF-IDF dan teknik oversampling SMOTE. Beberapa skenario pembagian data latih dan uji diterapkan, yaitu 90:10, 80:20, 70:30, dan 60:40. Hasil penelitian menunjukkan bahwa penggunaan SMOTE menghasilkan akurasi tertinggi sebesar 77% pada skenario 80:20 dan 60:40. Sementara itu, nilai precision tertinggi dicapai pada skenario 90:10 dan 80:20 dengan 68%, recall tertinggi pada skenario 90:10 dengan 82%, dan F1-score tertinggi pada skenario 90:10 dengan 85%. Analisis word cloud dari tweet menunjukkan bahwa sentimen negatif terhadap VAR terkait dengan kata-kata seperti "abolish," "rugi," "lama," "kualitas wasit," "problem," dan "kontroversi." Sentimen netral berfokus pada kata-kata seperti "petition," "sign petition," "technology," "league," "football," dan "match official," sementara sentimen positif mencakup kata-kata seperti "langsung," "jelas," "guna," "adil," "bantu," dan "cepat.".