Analisis Sentimen Terhadap Pengembangan Vaksin Covid-19 Di Indonesia Pada Platform Twitter Menggunakan Metode Naïve Bayes Dan Support Vector Machine

Abstract

Twitter merupakan salah satu media sosial yang digunakan untuk menyalurkan opini dan membahas berbagai masalah yang ada. Masalah yang banyak dibahas pada masa pandemic ini adalah salah satunya adalah Vaksin Covid-19. Opini dan masalah tersebut dapat diolah dengan cara yaitu analisis sentimen. Naive Bayes dan Support Vector Machine (SVM) merupakan teknik machine learning yang populer untuk pengklasifikasian. Kedua algoritma digunakan, untuk kemudian dibandingkan hasil akurasinya. Tujuan dari penelitian ini adalah mengoptimasi algoritma dengan akurasi tertinggi antara Naive Bayes dan Support Vector Machine (SVM). Dalam penelitian ini Naive Bayes Classifier menghasilkan akurasi yang lebih tinggi dibandingkan dengan Support Vector Machine (SVM). Naive Bayes merupakan algoritma yang digunakan dalam pengkategorian teks, dengan menggabungkan probabilitas kata-kata dan kategori untuk memprediksi probabilitas kategori dari sebuah dokumen. Penggunaan metode naive bayes menghasilkan akurasi paling optimal sebesar 74,74%. Dapat disimpulkan bahwa hasil klasifikasi sentimen opini masyarakat terhadap pengembangan Vaksin Covid-19, data sentimen positif sejumlah 422 dan sentimen negatif sejumlah 346. Kemudian sentimen negatif dianalisa dan akar masalah divisualisasikan menggunakan diagram fishbone.