Analisis sentimen publik terhadap isu sepak bola Indonesia menggunakan Support Vector Machine

INDONESIA:

Media sosial menjadi ruang utama bagi masyarakat untuk menyampaikan opini terkait berbagai isu sepak bola Indonesia, seperti pergantian pelatih Tim Nasional, performa tim dalam kompetisi internasional, hingga kebijakan federasi. Besarnya jumlah opini yang tersebar dalam bentuk teks menyebabkan analisis secara manual menjadi kurang efektif sehingga diperlukan metode otomatis untuk mengidentifikasi sentimen publik. Penelitian ini bertujuan menganalisis performa algoritma Support Vector Machine (SVM) dalam mengklasifikasikan sentimen publik terhadap isu sepak bola Indonesia ke dalam kategori positif dan negatif. Data penelitian diperoleh dari platform X melalui proses crawling terhadap enam isu sepak bola nasional dengan total 1.487 tweet berbahasa Indonesia yang telah diberi label oleh ahli bahasa. Tahapan pengolahan data meliputi preprocessing, pembobotan fitur menggunakan TF-IDF, serta klasifikasi menggunakan SVM kernel Radial Basis Function (RBF). Pengujian dilakukan pada tiga skenario pembagian data, yaitu 90:10, 80:20, dan 70:30. Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada rasio 80:20 dengan nilai accuracy sebesar 86,91% dan Macro F1 score sebesar 68,04%. Temuan ini menunjukkan bahwa SVM mampu mengklasifikasikan sentimen publik secara efektif serta berpotensi digunakan untuk memahami respons masyarakat terhadap dinamika sepak bola Indonesia.

ENGLISH:

Social media has become a primary platform for the public to express opinions regarding various issues in Indonesian football, such as changes in the national team coaching staff, team performance in international competitions, and federation policies. The large volume of opinions distributed in textual form makes manual analysis less effective, thereby requiring automated methods to identify public sentiment. This study aims to analyze the performance of the Support Vector Machine (SVM) algorithm in classifying public sentiment toward Indonesian football issues into positive and negative categories. The research data were collected from the X platform through a crawling process on six national football issues, resulting in a dataset of 1,487 Indonesian-language tweets that were manually labeled by language experts. The data processing stages consisted of text preprocessing, feature weighting using Term Frequency–Inverse Document Frequency (TF-IDF), and classification using SVM with the Radial Basis Function (RBF) kernel. The experiments were conducted using three data-splitting scenarios: 90:10, 80:20, and 70:30. The results showed that the best model was achieved with the 80:20 split ratio, obtaining an accuracy of 86.91% and a Macro F1-score of 68.04%. These findings indicate that SVM is capable of effectively classifying public sentiment and has the potential to be utilized for understanding public responses to the dynamics of Indonesian football.

ARABIC:

أصبحت وسائل التواصل الاجتماعي فضاءً رئيسيًا يعبر من خلاله المجتمع عن آرائه تجاه مختلف قضايا كرة القدم الإندونيسية، مثل تغيير مدرب المنتخب الوطني، وأداء الفريق في المنافسات الدولية، وسياسات الاتحاد. ونظرًا إلى الكم الكبير من الآراء المتداولة في شكل نصوص، فإن تحليلها يدويًا يُعد أقل فاعلية، مما يستلزم استخدام أساليب آلية للتعرف على المشاعر العامة. تهدف هذه الدراسة إلى تحليل أداء خوارزمية آلة المتجهات الداعمة (SVM) في تصنيف المشاعر العامة تجاه قضايا كرة القدم الإندونيسية إلى فئتين: إيجابية وسلبية. جُمعت بيانات الدراسة من منصة X من خلال عملية جمع بيانات لست قضايا تتعلق بكرة القدم الوطنية، حيث بلغ عدد التغريدات باللغة الإندونيسية 1487 تغريدة، وقد تم تصنيفها يدويًا من قبل خبراء لغويين. وشملت مراحل معالجة البيانات المعالجة المسبقة للنصوص، واستخراج الأوزان باستخدام أسلوب التردد المصطلحي–معكوس تردد المستندات (TF-IDF)، ثم التصنيف باستخدام خوارزمية SVM ذات نواة الدالة الشعاعية الأساسية (RBF). أُجريت التجارب باستخدام ثلاثة سيناريوهات لتقسيم البيانات، وهي 90:10 و80:20 و70:30. وأظهرت النتائج أن أفضل نموذج تحقق عند نسبة تقسيم 80:20، حيث بلغت الدقة 86.91٪ وبلغت قيمة Macro F1-score نسبة 68.04٪. وتشير هذه النتائج إلى أن خوارزمية SVM قادرة على تصنيف المشاعر العامة بكفاءة، ولها إمكانات كبيرة في فهم استجابات المجتمع تجاه تطورات كرة القدم الإندونيسية