ANALISIS SENTIMEN FENOMENA FOMO PADA KONSER K-POP DI INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE

Abstract

Fear Of Missing Out atau FOMO saat ini sedang menjadi topik yang diperdebatkan oleh masyarakat khususnya kaum muda. Fenomena FOMO semakin meningkat terjadi berhubungan dengan banyaknya konser K-Pop yang di hadiri oleh non-fans yang berperilaku tidak wajar selama konser berlangsung dan hal tersebut memicu reaksi masyarakat terhadap adanya fenomena FOMO dalam konser K-Pop yang dituangkan di media sosial twitter. Analisis sentimen menjadi solusi dalam mengekstrak informasi dan mengklasifikasikan data opini sesuai sentimen (positif dan negatif) dengan memanfaatkan algoritma data mining. Tujuan dari penelitian ini adalah untuk mengklasifikasikan sentimen mengenai adanya fenomena Fear Of Missing Out (FOMO) menggunakan algoritma Support Vector Machine. Penelitian ini, menggunakan Metode KDD (Knowledge Discovery in Database) yang terdiri dari tahapan data selection, preprocessing, data transformation, data mining dan evaluation. Untuk mendapatkan nilai yang lebih akurat maka dibantu dengan Information gain sebagai seleksi fitur dan Grid search sebagai penentu parameter terbaik. Hasil penelitian menunjukkan bahwa performa algoritma Support Vector Machine dalam mengklasifikasikan sentimen adanya fenomena FOMO pada konser K-Pop di Indonesia Indonesia dengan nilai akurasi sebesar 90% dengan preporsisi pembagian data sebanyak 60 data training dan 40 data testing. Sentimen pada opini adanya fenomena FOMO pada konser K-Pop di Indonesia ini diketahui lebih banyak mengandung sentimen negatif berdasarkan pelabelan manual. Hal ini terlihat bahwa banyak penonton konser K-Pop ini mengeluhkan tentang adanya fenomena FOMO. Dalam hal ini para penggelar acara khususnya acara konser K-Pop dapat menjadikan penelitian ini sebagai acuan untuk terus menerus melakukan perbaikan terhadap pelayanan yang diberikan.