Penerapan Metode Linear Regression pada Analisis Komentar Negatif Konser Coldplay di Indonesia

Authors

DOI:

https://doi.org/10.61769/jurtel.v18i1.591

Keywords:

linear regression, data mining, binomial, sentiment analysis, Coldplay concert, regresi linier, penggalian data, analisis sentimen, konser Coldplay

Abstract

Komentar negatif terhadap kegiatan konser internasional dapat menimbulkan dampak yang cukup berarti pada pelaksanaan konser tersebut di masa yang akan datang. Dampak-dampak yang mungkin terjadi akibat komentar negatif mencakup menurunnya minat dari penonton, kesulitan dalam meraih dukungan sponsor dan mitra, pengaruh terhadap keputusan yang diambil oleh artis atau kelompok musik, serta pertimbangan dalam hal keamanan bagi penyelenggara, penonton, dan para artis atau grup tersebut. Analisis komentar negatif terhadap suatu konser internasional perlu dilakukan untuk strategi yang tepat dalam mengelola dan mengurangi dampak negatif yang mungkin timbul di masa depan. Keuntungan dari melakukan analisis terhadap dampak komentar negatif pada suatu konser internasional sangatlah beragam. Analisis tersebut mampu memengaruhi berbagai aspek terkait pelaksanaan acara dan persepsi masyarakat. Terdapat 72 komentar negatif yang telah diklasifikasikan dengan metode linier regresi. Berdasarkan hasil nilai dari komentar-komentar negatif tersebut, dapat dinyatakan bahwa beberapa kata yang menjadi pemicu suatu komentar dianggap sebagai negatif dalam konteks konser Coldplay di Indonesia adalah kata-kata seperti "penolakan," "hadang," "nggak," dan "tolak." Dari analisis yang dilakukan dalam penelitian ini, kata-kata tersebut muncul dengan frekuensi yang signifikan pada komentar-komentar yang terklasifikasikan sebagai negatif.

 

Negative comments on international concert events can have a significant impact on the future conduct of such concerts. Possible impacts of negative comments include decreased interest from the audience, difficulty in gaining sponsorship and partner support, influence on decisions made by the artist or musical group, and safety considerations for the organizers, audience, and the artist or group. An analysis of negative comments on an international concert is necessary for an appropriate strategy to manage and mitigate negative impacts that may arise in the future. The benefits of analyzing the impact of negative comments on an international concert are diverse. The analysis can influence various aspects related to the implementation of the event and public perception. 72 negative comments have been classified using the linear regression method. Based on the results of the value of these negative comments, it can be stated that some of the words that trigger a comment to be considered as negative in the context of Coldplay concerts in Indonesia are words such as "rejection," "hadang," "nope," and "tolak." From the analysis conducted in this study, these words appear with significant frequency in the comments classified as negative.

Author Biographies

Gde Brahupadhya Subiksa, Politeknik Negeri Bali

Program Studi Teknologi Rekayasa Perangkat Lunak, Jurusan Teknik Elektro

Made Pasek Agus Ariawan, Politeknik Negeri Bali

Program Studi Teknologi Rekayasa Perangkat Lunak, Jurusan Teknik Elektro

Ida Bagus Adisimakrisna Peling, Politeknik Negeri Bali

Program Studi Teknologi Rekayasa Perangkat Lunak, Jurusan Teknik Elektro

References

K. A. B. Permana, M. Sudarma, dan W. G. Ariastina, “Analisis rating sentimen pada video di media sosial Youtube menggunakan STRUCT-SVM,” Maj. Ilm. Teknol. Elektro, vol. 18, no. 1, hlm. 113–118, 2019, doi: 10.24843/mite.2019.v18i01.

P. S. M. Suryani, L. Linawati, dan K. O. Saputra, “Penggunaan metode Naïve Bayes classifier pada analisis sentimen Facebook berbahasa Indonesia,” Maj. Ilm. Teknol. Elektro, vol. 18, no. 1, hlm. 145–148, 2019, doi: 10.24843/mite.2019.v18i01.

S. Nadia, E. Sulistianingsih, dan N. Imro’ah, “Penentuan harga opsi tipe Eropa dengan metode binomial,” Bimaster Bul. Ilm. Mat. Stat. dan Ter., vol. 7, no. 2, hlm. 127–134, 2018, doi: 10.26418/bbimst.v7i2.24882.

M. Reza Athallah dan A. Fauzan Rozi, “Implementasi data mining untuk prediksi peramalan penjualan produk HJ Karpet menggunakan metode linear regression,” J. J. Sains dan Teknol., vol. 3, no. 1, hlm. 170–177, 2023, doi: 10.47233/jsit.v3i1.550.

Dani, Martanto, dan I. Ali, “Prediksi jumlah mahasiswa baru tahun 2023 menggunakan metode regresi linear pada Universitas Swadaya Gunung Jati Cirebon,” Komputek, vol. 7, no. 1, hlm. 29–41, 2023, doi: 10.24269/jkt.v7i1.1915.

L. A. Silaban dan Susiana, “Analysis of factors influencing the percentage of poverty in North Sumatra using robust linear regression,” Formosa J. Sci. Technol., vol. 2, no. 2, hlm. 493–506, 2023, doi: 10.55927/fjst.v2i2.2857.

S. Bramasto dan D. Khairiani, “Prediksi daya output sistem Pembangkit Listrik Tenaga Surya (PLTS) menggunakan regresi linear berganda,” J. Fakt. Exacta, vol. 15, no. 3, hlm. 139–150, 2022, doi: 10.30998/faktorexacta.v15i2.13254.

N. Rahmayanti, “Analisis Sentimen Berbasis Aspek pada Ulasan Finance Techonology Menggunakan Metode Support Vector Machine,” Universitas Komputer Indonesia, 2022. [Daring]. Tersedia: http://elibrary.unikom.ac.id/id/eprint/7072

Suherman, F. Muammar, dan I. Afriantoro, “Analisis data mining untuk prediksi penyakit kanker paru dengan algoritme regresi linear,” Sigma J. Teknol. Inf., vol. 13, no. 3, hlm. 167–172, 2022.

M. Fudhail Ferio Supeli dan Setiaji, “Klasifikasi sentimen positif dan negatif pada aplikasi vidio dengan algoritme K-Nearest Neighbor,” Indones. J. Comput. Sci., vol. 2, no. 1, hlm. 7–15, 2023, doi: 10.31294/ijcs.v2i1.1874.

M. Rafi Nahjan, N. Heryana, dan A. Voutama, “Implementasi Rapidminer dengan metode clustering k-means untuk analisa penjualan pada Toko Oj Cell,” Jati (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, hlm. 101–104, 2023, doi: 10.36040/jati.v7i1.6094.

I. Setianingsih dan I. Ali, “Klasterisasi pengeluaran kas di Desa Pamengkang menggunakan metode k-means,” Jati (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, hlm. 784–787, 2023, doi: 10.36040/jati.v7i1.6488.

B. Rahmat dkk., “Implemetasi k-means clustering pada Rapidminer untuk analisis daerah rawan kecelakaan,” Semin. Nas. Ris. Kuantitatif Terap. 2017, April, hlm. 58–62, 2017, [Daring]. Tersedia: https://ojs.innov-center.org/index.php/snrkt2017/article/download/10/9

M. H. Al-Areef dan K. Saputra S., “Analisis sentimen pengguna Twitter mengenai calon presiden Indonesia tahun 2024 menggunakan algoritme LSTM,” J. Saintikom (Jurnal Sains Manaj. Inform. dan Komputer), vol. 22, no. 2, hlm. 270–279, 2023, doi: 10.53513/jis.v22i2.8680.

G. B. Subiksa, M. Dinda, P. Pramita, dan K. O. Saputra, “Prediction competition result of Indonesian football club with C.45 algorithm,” vol. 3, no. 1, hlm. 39–44, 2018, doi: 10.24843/IJEET.2017.v02.i01.

Published

2023-09-28

Issue

Section

Articles