Analisis Sentimen Terhadap Ppkm Darurat Pada Media Sosial Twitter Menggunakan Metode Naïve Bayes Dengan Seleksi Fitur Information Gain

Abstract

Twitter merupakan media sosial yang digunakan masyarakat sebagai media berkomunikasi dan pengutaraan pendapat. Semenjak pandemik COVID-19 melanda Indonesia, pemerintah banyak mengeluarkan kebijakan-kebijakan untuk menekan penyebaran COVID-19, salah satunya adalah PPKM Darurat. Banyak opini masyarakat yang mengkritik ataupun mendukung kebijakan tersebut di media sosial, khususnya twitter. Penelitian ini bertujuan untuk membangun model analisis sentimen terhadap PPKM Darurat di media sosial twitter dengan tagar #ppkmdarurat. Pada penelitian ini akan menggunakan metode Naïve Bayes serta metode Information Gain sebagai seleksi fitur. Pengumpulan data akan dilakukan dengan cara crawling. Setelah dilakukan filtering data menjadi 770 dengan label 335 positif dan 335 negatif. Hasil dari pengujian model klasifikasi Naïve Bayes terjadi peningkatan performa apabila menggunakan seleksi fitur Information Gain dengan nilai pengambilan top ranking ‘>0.0001’ yaitu akurasi 0.81, recall 0.82, precision 0.84, f1 score 0.83 dan specificity 0.79 dibandingkan sebelumnya yaitu akurasi 0.79, recall 0.81, precision 0.81, f1 score 0.81 dan specificity 0.76.