Implementasi N-Gram Dalam Analisis Sentimen Masyarakat Diy Terhadap Psbb Jawa-Bali Jilid Ii Menggunakan Naïve Bayes Classifier (Studi Kasus : Psbb Jawa-Bali Jilid Ii 26 Januari 2021 S.D. 8 Februari 2021) Halaman Judul

Abstract

Coronavirus Disease (COVID-19) telah menyebar dengan sangat cepat ke seluruh dunia, termasuk Indonesia. Dalam upaya pencegahan penularan COVID19, pemerintah menerapkan Pembatasan Sosial Berskala Besar (PSBB) di seluruh

provinsi di Pulau Jawa dan Bali dari tanggal 26 Januari 2021 s.d. 8 Februari 2021.

Pemberlakuan

PSBB Jawa-Bali menimbulkan tanggapan positif maupun negatif dari masyarakat dalam media sosial twitter, khususnya masyarakat yang berlokasi di Daerah Istimewa Yogyakarta. Sehingga penting untuk dilakukan analisis terhadap tanggapan tersebut agar dapat mengetahui secara umum hal apa yang sering dikeluhkan masyarakat DIY terkait PSBB Jawa-Bali jilid II dan menjadi bahan evaluasi bagi pemerintah DIY dalam menjalankan kebijakan PSBB yang telah dibuat. Penelitian ini menggunakan teknik crawling untuk memperoleh data tweet (tanggapan) masyarakat dalam twitter. Kemudian, dilakukan preprocessing pada data agar siap untuk dianalisis. Tokenization dilakukan menggunakan metode n-gram, yang terdiri dari unigram, bigram, dan trigram. Selanjutnya, data diklasifikasikan berdasarkan kategori sentimen positif dan sentimen negatif menggunakan Naïve Bayes Classifier (NBC). Setelah itu akan dilakukan evaluasi pada hasil klasifikasi menggunakan confusion matrix yang akan menghasilkan nilai akurasi. Berdasarkan hasilnya, klasifikasi dengan NBC memiliki tingkat akurasi sebesar 82,14%. Klasifikasi dengan NBC dan unigram menghasilkan akurasi sebesar 83,04%, dengan bigram menghasilkan akurasi sebesar 80,36%, dan dengan trigram menghasilkan akurasi sebesar 82,14%.