Analisis Sentimen Tanggapan Masyarakat di Media Sosial X terhadap Piala Asia U-23 AFC 2024 Menggunakan Metode DBSCAN dan Naive Bayes

Abstract

Percakapan di X/Twitter tentang Piala Asia U-23 AFC 2024 berlangsung cepat, heterogen, dan sarat noise, sehingga membutuhkan pendekatan komputasional untuk memetakan topik dan membaca sentimen publik secara andal. Penelitian ini bertujuan menyusun pipeline penambangan teks yang mengombinasikan DBSCAN untuk klasterisasi topik dan Naïve Bayes (NB) untuk klasifikasi sentimen. Data dikumpulkan berbasis kata kunci/hashtag relevan, kemudian dipraproses (pembersihan, normalisasi, stopword removal, stemming), direpresentasikan dengan TF-IDF, diklaster menggunakan DBSCAN (metrik cosine, parameter utama: ε = 11,5; min_samples = 10), lalu diklasifikasikan sentimennya (positif/Netral/negatif) dengan NB. Hasil menunjukkan DBSCAN efektif memisahkan tema percakapan, dengan ±84,65% tweet teridentifikasi sebagai core points dan 2,88% sebagai border points; sisanya noise. Distribusi sentimen didominasi netral, disusul positif, sedangkan negatif relatif kecil. Model NB mencapai akurasi sekitar 60%; performa kelas negatif masih menantang akibat code-mixing, slang, ketidakseimbangan kelas, dan nuansa sarkasme. Disimpulkan bahwa kombinasi “DBSCAN→peta topik” dan “NB→label sentimen” layak sebagai baseline pemantauan opini publik berbasis media sosial, sembari membuka arah peningkatan melalui perluasan leksikon slang, penanganan code-mixing, penyeimbangan kelas, dan eksplorasi model berbasis konteks.