ANALISIS SENTIMEN OPINI PUBLIK PADA MEDIA SOSIAL TWITTER TERHADAP VAKSIN COVID-19 MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN TERM FREQUENCY – INVERSE DOCUMENT FREQUENCY
| Main Author: | Maulana Thoriq, Edgar |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/184314/1/EDGAR%20MAULANA%20THORIQ.pdf http://repository.ub.ac.id/184314/ |
Daftar Isi:
- "Media sosial adalah suatu wadah bagi masyarakat untuk menyampaikan aspirasi, ide, bahkan kritik mereka. Salah satu kebijakan yang dibuat baru-baru ini oleh pemerintah adalah pemberian vaksin COVID-19. Kebijakan tersebut ramai diperbincangkan di media sosial Twitter dan cukup menuai banyak pendapat yang beragam di masyarakat. Twitter merupakan media sosial yang memiliki basis pengguna cukup besar di Indonesia, dimana mayoritas dari penggunanya menyampaikan opini mereka terkait pemberian vaksin COVID 19. Twitter disini dapat menjadi sebuah sumber data yang dapat dipergunakan untuk melakukan analisis sentimen terhadap kebijakan pemerintah tersebut dengan mengklasifikasikan tweet (istilah konten didalam Twitter) kedalam kategori positif atau negatif. Proses klasifikasi dilakukan dengan menggunakan algoritma klasifikasi yaitu Support Vector Machine dan pembobotan kata dengan menggunakan metode Term Frequency – Inverse Document Frequency (TF-IDF). Penelitian ini menggunakan data sebanyak 450 tweet, kemudian pengujian dilakukan dengan menggunakan metode cross validation dengan jumlah fold = 10. Performa terbaik dari algoritma klasifikasi yang diperoleh adalah accuracy sebesar 86%, precision sebesar 88%, recall sebesar 82%, dan f measure sebesar 85%. Nilai dari performa tersebut diperoleh dengan nilai C sebesar 1 dan nilai iterasi maksimum sebesar 300. "