Analisis Sentimen Pengguna Twitter Terhadap Kasus COVID-19 di Indonesia Menggunakan Metode Regresi Logistik Multinomial
Abstract
Seiring berkembangnya Coronavirus Disease 2019 (COVID-19) di Wuhan dan berkembang di seluruh negara khususnya di Indonesia. Banyak masyarakat di Indonesia menuangkan dan mengekspresikan opini mereka pada media sosial salah satunya Twitter. Opini tersebut menjadi acuan pada penelitian ini untuk menganalisis sentimen masyarakat Indonesia terhadap kasus COVID-19. Analisis sentimen merupakan proses pengolahan data tekstual secara otomatis untuk mendapatkan informasi sentimen yang terkandung pada tweet. Implementasi sistem dilakukan dengan mengklasifikasi tweet menggunakan metode Regresi Logistik Multinomial. Metode Regresi Logistik Multinomial dikenal dengan regresi logistik dengan variabel dependen mempunyai skala nominal lebih dari dua kategori. Tweet diklasifikasi menjadi 3 kategori sentimen yaitu sentimen positif, netral dan negatif. Sistem analisis sentimen berbasis website menggunakan bahasa pemrograman Python. Proses analisis sentimen melalui beberapa tahapan, pertama proses crawling data tweet, kemudian hasil crawling akan diproses ke tahap text preprocessing, setelah melewati text preprocessing tweet akan dibobot menggunakan TF-IDF, kemudian tweet diklasifikasi dengan menggunakan metode Regresi Logistik Multinomial ke dalam kelas sentimen positif, netral, atau negatif. Pengujian dilakukan menggunakan 870 data tweet yang telah dilabel terlebih dahulu. Sistem analisis sentimen menghasilkan akurasi sebesar 64%, dengan precission untuk sentimen positif 85%, netral 56%, dan negatif, 53% dan recall untuk sentimen positif 74%, netral 67%, dan negatif 50%.
Keywords
Full Text:
PDFReferences
Yuliana, “Corona Virus Diseases (Covid-19): Suatu tinjauan literatur.,” Wellness And Healthy Magazine, no. Universitas Aisyah Pringsewu, p. 187–192, 2020.
Kominfo RI, “Tujuh hal yang perlu diketahui dari varian Omicron penyebab COVID-19,” Kominfo RI, 29 November 2021. [Online]. Available: https://covid19.go.id/edukasi/masyarakat-umum/7-hal-yang-perlu-diketahui-dari-varian-omicron-penyebab-covid-19.
A. Syahadati, “Analisis Sentimen Penerapan PSBB Di DKI Jakarta dan Dampaknya Terhadap Pergerakan IHSG,” Jurnal TEKNOINFO, vol. 15, No. 1, pp. 20-25, 2021.
A. N. M. P. B. S. G. 2. Basant, “Sentiment Analysis Using Common-Sense and Context Information,” no. Hindawi Publishing Corporation Computational Intelligence and Neuroscience, 2015.
R. Feldman dan J. Sanger, The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data, New York: Cambride University Press, 2007.
L. Ardiani, “Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak,” JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol. 8 , No. 2 , April 2020, pp. 183-190, 2020.
S. Adi, “Perancangan Klasifikasi Tweet Berdasarkan Sentimen dan Fitur Calon Gubernur DKI Jakarta 2017,” Journal Of Informatic Pelita Nusantara, Vol. 3 No. 1, 2018.
D. Pakpahan dan H. Widyastuti, “Aplikasi Opinion Mining dengan Algoritma Naïve Bayes untuk Menilai Berita Online,” Jurnal Integrasi, vol. 6, no. 1, pp. 1-10, 2014.
E. E. Pratama and B. R. Trilaksono, “Klasifikasi Topik Keluhan Pelanggan Berdasarkan Tweet dengan Menggunakan Penggabungan Feature Hasil Ekstraksi pada Metode Support Vector Machine (SVM),” J. Edukasi dan Penelit. Inform, 2015.
F. Z. Tala, A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia, Amsterdam: Institute for Logic, Language and Computation Universiteit van Amsterdam The Netherlands, 2003.
S. Robertson, “Understanding Inverse Document Frequency: On theoretical arguments for IDF,” Journal of Documentation 60 no. 5, p. 503–520.
M. Yunus, “Medium,” 30 April 2020. [Online]. Available: https://yunusmuhammad007.medium.com/tf-idf-term-frequency-inverse-document-frequency-representasi-vector-data-text-2a4eff56cda.
Hosmer dan Lemeshow, Applied Logistic Regression. Second Edition, New York: John Willey & Sons, 2000.
A. Agresti, Categorical Data Analysis, New York: John Wiley and Sons, Inc., 1990.
C. D. R. P. &. S. H. Manning, An Introduction to Information Retrieval – Online Edition, Cambridge: Cambridge University Press, 2009.
DOI: https://doi.org/10.26418/justin.v11i1.57450
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 JUSTIN (Jurnal Sistem dan Teknologi Informasi)
View My Stats
All article in Justin is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License