Analisis Sentimen Vaksin Covid-19 Pada Media Sosial Twitter Menggunakan Metode Naive Bayes

Abstract

Coronavirus disease 2019 (Covid-19) merupakan kasus pandemik pnumonia yang ditularkan dari manusia ke manusia melalui droplet. Sejak korban pertama ditemukan, Covid-19 telah menginfeksi jutaan manusia dan ratusan ribu kasus meninggal. Berbagai upaya pencegahan penyebaran virus dilakukan, yang salah satunya adalah pemberian vaksin kepada masyarakat. Namun banyak terjadi perdebatan yang dinilai pemerintah terlalu gegabah dengan mewajibkan vaksin. Banyak opini yang bermunculan dari masyarakat yang dituangkan melalui sosial media, diantaranya twitter. Oleh karena itu, dibuat sistem yang dapat mengolah data yang sangat banyak untuk dilihat kecendrungan sentimen publik terhadap kata ‘vaksin’. Metode klasifikasi data yang digunakan dalam penelitian ini adalah Naive Bayes. Sebelum pengklasifikasian data terlebih dahulu dilakukan crawling data dari twitter yang selanjutnya setiap dokumen akan diberikan label untuk bisa dilakukan preprocessing dan pembobotan TF-IDF. Berdasarkan penelitian yang dilakukan dengan menggunakan metode Naive Bayes, disimpulkan bahwa sistem dapat mengklasifikasikan polaritas sentimen kedalam 3 kategori, yaitu positif, negatif dan netral. Hasil sentimen analisis yang dilakukan pada kata vaksin menunjukan tingkat sentimen positif lebih besar dibandingkan dengan tingkat sentimen negatif. Hal ini berdasarkan hasil performa Naive Bayes yang menunjukan hasil positif sebanyak 241 (48.2%), negatif 182 (36.5%) dan netral 77 (15.3%) dari total 500 dataset dengan tingkat akurasi sebesar 0,856.