ANALISIS SENTIMEN TERHADAP VAKSIN COVID-19 DI JEJARING SOSIAL TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES

Rizal Al Habsi, Realdy Agsar Dwi Anggoro, Muhammad Arlanda Valio, Yuni Widiastiwi, Nurul Chamidah

Abstract


Semenjak adanya wabah virus corona atau COVID-19 terdapat banyak opini masyarakat pada twitter terkait dengan vaksin COVID-19. Penelitian ini bertujuan untuk mengetahui bagaimana opini publik terhadap vaksin COVID-19 di Indonesia pada twitter dengan tagar #vaksincovid19 dan #vaksincorona. Dalam penelitian ini, opini publik akan dikategorikan menjadi sentimen positif dan negatif serta menggunakan algoritma Naïve Bayes untuk proses klasifikasi tweet. Proses pengambilan data dimulai pada tanggal 13 Januari hingga 20 Januari 2021 menggunakan teknik crawling data dengan memanfaatkan fasilitas API yang disediakan oleh twitter. Dari hasil pelabelan data menggunakan 488 tweet diperoleh hasil sebanyak 251 tweet sentimen positif yang pro terhadap vaksin COVID-19, dan sebanyak 237 tweet sentimen negatif yang kontra terhadap vaksin COVID-19. Hasil klasifikasi akan masuk ke tahap pengujian dan evaluasi menggunakan confusion matrix untuk melihat peforma dari model klasifikasi. Dari hasil pengujian model klasifikasi naïve bayes didapatkan hasil akurasi sebesar 82,65%, recall sebesar 98% dan specificity sebesar 66,67%.

Keywords


Analisis Sentimen; Vaksin COVID-19; Twitter; Naïve Bayes

References


S. Kemp, “Digital 2020: Indonesia,” We Are Social, 2020. https://datareportal.com/reports/digital-2020-indonesia (accessed Dec. 28, 2020).

N. F. Afifah, “Survei Nasional: Evaluasi Umum Pemerintahan Joko Widodo - KH. Ma’ruf Amin Dan Penerimaan Terhadap Vaksin COVID-19,” Populi Center, 2020. https://populicenter.org/evaluasi-umum-pemerintahan-joko-widodo-kh-maruf-amin-dan-penerimaan-terhadap-vaksin-covid-19/ (accessed Jan. 05, 2020).

Kementerian Kesehatan Republik Indonesia, ITAGI, WHO, and UNICEF, “Survei Penerimaan Vaksin COVID-19 di Indonesia,” 2020.

M. Syarifuddin, “Analisis Sentimen Opini Publik Mengenai Covid-19 Pada Twitter Menggunakan Metode Naïve Bayes Dan Knn,” Inti Nusa Mandiri, vol. 15, no. 1, pp. 23–28, 2020.

E. B. Santoso and A. Nugroho, “Analisis Sentimen Calon Presiden Indonesia 2019 Berdasarkan Komentar Publik Di Facebook,” Eksplora Inform., vol. 9, no. 1, pp. 60–69, 2019.

B. Agarwal and N. Mittal, Prominent Feature Extraction for Sentiment Analysis. Berlin: Springer International Publishing, 2016.

D. Jared, “Big Data, Data Mining, and Machine Learning Value Creation for Business Leaders and Practitioners,” 2014.

I. Y. Anggraini, S. Sucipto, and R. Indriati, “Cyberbullying Detection Modelling at Twitter Social Networking,” JUITA J. Inform., vol. 6, no. 2, p. 113, 2018.

C. Institute, CFA Program Curriculum 2020 Level II Volumes 1-6 Box Set. United State of America: John Wiley & Sons, 2020.

D. Sarkar, Text Analytics with Python: A Practical Real-World Approach to Gaining Actionable Insights from your Data, vol. 32, no. 1. Apress, 2016.

B. Bengfort, R. Bilbro, and T. Ojeda, Applied Text analysis with Python, vol. 53, no. 9. 2018.

W. A. Luqyana, I. Cholissodin, and R. S. Perdana, “Analisis Sentimen Cyberbullying Pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 11, pp. 4704–4713, 2018.

O. W. Purbo, Text Mining: Analisis Medsos, Kekuatan Brand & Intelijen di Internet. Yogyakarta: ANDI, 2019.

S. Bird, E. Klein, and E. Loper, Natural Language Processing with Python. O’Reilly Media, Inc., 2009.

A. Novantirani, M. K. Sabariah, and V. Effendy, “Analisis Sentimen pada Twitter untuk Mengenai Penggunaan Transportasi Umum Darat Dalam Kota dengan Metode Support Vector Machine,” e-Proceeeding Eng., vol. 2, no. 1, pp. 1–7, 2015.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Senamika

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.