Implementasi Metode Support Vector Machine Dalam Analisis Sentimen Pada Data Ulasan Twitter Vaksin Covid-19

Abstract

Penyakit corona virus atau Corona Virus Disease-19 (COVID-19) adalah infeks i saluran pernapasan yang disebabkan oleh jenis virus corona. Nama lain dari penyakit ini adalah Severe Acute Respiratory Syndrome Coronavirus-2 (SARSCOV2). Kasus Covid-19 pertama kali dilaporkan di kota Wuhan, Provinsi Hubei, Tiongkok, pada Desember 2019. Dalam beberapa bulan saja, penyebaran penyakit ini telah menyebar ke berbagai negara, baik di Asia, Amerika, Eropa, dan Timur Tengah serta Afrika. Pada tanggal 11 Maret 2020, Organisasi Kesehatan Dunia atau World Health Organization (WHO) mendeklarasikan penyebaran Covid-19 dikategorikan sebagai pandemi. Sebanyak 1,2 juta dosis vaksin Covid-19 buatan Sinovac tiba di Indonesia pada tanggal 6 Desember 2020. Dasar pemerinta h dalam memilih vaksin tersebut antara lain memenuhi unsur aman, efektif, dan mutu yang terjamin oleh lembaga berwenang. Pada tanggal 13 Januari 2021 program vaksinas i vaksin Covid-19 mulai dilaksanakan dengan Presiden Joko Widodo sebagai penerima yang pertama. Beberapa masyarakat berupaya untuk menanggulangi dampak psikis akibat pandemi Covid-19 adalah dengan sekedar menyalurkan keluh kesahnya atau pun saling berbagi informasi melalui media sosial salah satunya Twitter. Berdasarkan cuitan pada media sosial Twitter penulis ingin mencari bagaimana pendapat msyarakat terutama di Indonesia tentang vaksin Covid-19. Apa faktor-faktor yang sering dikeluhkan pengguna Twitter dan apa saja yang dirasakan. Ulasan yang digunakan pada penelitian ini berjumlah 3131 yang diklasifikasikan menjadi kelas sentiment positif dan negatif. Pengklasifikasian data tweet menggunakan algoritma support vector machine (SVM). Didapatkan hasil akurasi terbaik dengan menggunakan perbandingan data training 90% dan data testing 10% sebesar 94.88% untuk metode SVM dengan kernel linear. Kemudian, metode asosiasi teks pada kelas sentiment positif diantaranya terkait sehat, kesehatan, aman, protokol, dukung, halal, patuh, lawan, program, ekonomi. Sedangkan pada kelas sentimen negatif diantaranya terkait takut, virus, suntik, masyarakat, sinovac, lupa, penyebaran, prokes, efek, salah. Hasil uasan negatif tersebut dianalisis sebab dan akibatnya menggunakan diagram pohon untuk pemecahan masalah.