Analisis Sentimen Pengguna Twitter Terhadap Program Vaksinasi Covid-19 di Indonesia Menggunakan Algoritme Support Vector Machine

Qarry Atul Chairunnisa, Yeni Herdiyeni, Medria Kusuma Dewi Hardhienata, Julio Adisantoso

Abstrak

Kebijakan vaksinasi COVID-19 di Indonesia menimbulkan pro dan kontra. Pemerintah harus mengevaluasi alasan masyarakat yang kontra terhadap kebijakan tersebut, agar program vaksinasi dapat berjalan dengan lancar. Analisis sentimen sebagai cara untuk melihat polaritas opini, memungkinkan untuk mengklasifikasi tanggapan positif, negatif maupun netral di Twitter terkait kebijakan vaksinasi tersebut. Penelitian ini bertujuan untuk mengetahui tanggapan masyarakat terhadap vaksinasi COVID-19 di Indonesia dengan melihat distribusi kata dan membuat model klasifikasi Support Vector Machine (SVM). Analisis sentimen terdiri dari beberapa tahapan yaitu pengumpulan data, praproses data, pembobotan data, analisis data, pembagian data, pemodelan klasifikasi, hyperparameter tuning dan evaluasi model. Model yang dihasilkan menunjukkan performa yang cukup optimal dalam mengklasifikasi sentimen dengan akurasi, presisi, recall dan f1-score sebesar 90%. Hasil dari sentimen analisis yang diperoleh ialah berupa gagasan, keluhan dan saran terhadap vaksinasi COVID-19.

Penulis

Qarry Atul Chairunnisa
Yeni Herdiyeni
Medria Kusuma Dewi Hardhienata
medria.hardhienata@apps.ipb.ac.id (Kontak utama)
Julio Adisantoso
ChairunnisaQ. A., HerdiyeniY., HardhienataM. K. D., & AdisantosoJ. (2022). Analisis Sentimen Pengguna Twitter Terhadap Program Vaksinasi Covid-19 di Indonesia Menggunakan Algoritme Support Vector Machine. Jurnal Ilmu Komputer Dan Agri-Informatika, 9(1), 79-89. https://doi.org/10.29244/jika.9.1.79-89

Rincian Artikel

Most read articles by the same author(s)

Pembangunan Model Jaringan Saraf Tiruan untuk Memprediksi Kecenderungan Tipe Mediasi Orang Tua terhadap Penggunaan Internet oleh Anak

Indah Puspita, Karlisa Priandana, Medria Kusuma Dewi Hardhienata, Peter John Morley, Auzi...
Abstract View : 70
Unduh :109