Analisis Sentimen Masyarakat Indonesia Mengenai Vaksin COVID-19 pada Media Sosial Twitter Menggunakan Metode Naïve Bayes Classifi-er dan Support Vector Machine
| Main Authors: | Permatasari, Rizka Widya; Departemen Statistika Institut Teknologi Sepuluh Nopember Surabaya, Irhamah, Irhamah; Departemen Statistika Institut Teknologi Sepuluh Nopember Surabaya |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS
, 2022
|
| Subjects: | |
| Online Access: |
http://ejurnal.its.ac.id/index.php/sains_seni/article/view/73995 http://ejurnal.its.ac.id/index.php/sains_seni/article/view/73995/7068 http://ejurnal.its.ac.id/index.php/sains_seni/article/downloadSuppFile/73995/35795 http://ejurnal.its.ac.id/index.php/sains_seni/article/downloadSuppFile/73995/35796 http://ejurnal.its.ac.id/index.php/sains_seni/article/downloadSuppFile/73995/35797 |
Daftar Isi:
- World Health Organization (WHO) mendeklarasi-kan virus COVID-19 sebagai pandemi global pada 11 Maret 2020. Kondisi tersebut memberikan dampak langsung kepada seluruh masyarakat di dunia, dengan mulai diberlakukannya protokol ke-sehatan yang harus diterapkan pada seluruh aspek kegiatan, mulai dari pembatasan sosial hingga lockdown total yang menghambat seluruh kegiatan masyarakat. Salah satu cara yang dilakukan untuk mencegah penyebaran virus ini adalah dengan pemberian vaksin. Kegiatan vaksinasi mulai diberikan kepada masyarakat Indonesia pada bulan Januari 2021. Pada media sosial twitter, pro kontra vaksin COVID-19 sempat menjadi trending topic sehingga dirasa perlu untuk dilakukan penelitian tentang sentimen publik terhadap adanya kegiatan vaksinasi dalam memu-tus rantai penyebaran COVID-19 di Indonesia. Pada penelitian ini digunakan analisis klasifikasi teks yaitu Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM). NBC telah banyak digu-nakan dalam pe-nelitian mengenai Text Mining karena memiliki algoritma yang sederhana namun dapat menghasilkan akurasi yang tinggi, se-dangkan SVM memiliki kemampuan yang baik dalam mengolah data berdimensi besar dengan hasil yang efektif. Perbandingan kedua metode menggunakan 10 fold-stratified cross validation dengan kriteria kebaikan klasifikasi AUC dan akurasi menunjuk-kan bahwa SVM memiliki kinerja klasifikasi yang lebih baik di-banding NBC dan SVM kernel menghasilkan ketepatan klasifikasi lebih tinggi dibanding SVM kernel RBF.