Analisis Sentimen Masyarakat terhadap Tindakan  Vaksinasi Covid 19 Menggunakan Algortima Naïve Bayes Classifier

Yumarlin MZ; Jemmy Edwin Bororing; Sri Rahayu; Fenthy Faharani

doi:10.30591/smartcomp.v11i3.3893

Analisis Sentimen Masyarakat terhadap Tindakan Vaksinasi Covid 19 Menggunakan Algortima Naïve Bayes Classifier

Yumarlin MZ, Jemmy Edwin Bororing, Sri Rahayu, Fenthy Faharani

Abstract

Coronavirus Disease-19 (COVID-19) merupakan ancaman kesehatan masyarakat yang kemudian ditetapkan oleh Organisasi Kesehatan Dunia sebagai pandemi karena telah menyebar di 199 negara di seluruh dunia. Jumlah kasus positif COVID-19 di seluruh dunia pada tahun 2021 mencapai 237.655.302 juta kasus dan jumlah kasus positif COVID-19 di Indonesia saja mencapai 4.229.813 juta kasus. Salah satu kebijakan pemerintah Indonesia dalam menangani COVID-19 adalah dengan melakukan vaksinasi. Namun, kebijakan ini mengundang banyak pihak dari masyarakat untuk memberikan pendapatnya. Penelitian ini bertujuan untuk mengetahui opini masyarakat terhadap tindakan vaksinasi yang dilakukan pemerintah untuk mengatasi virus covid-19. Dengan tindakan vaksinasi yang dilakukan, apakah ada komentar yang lebih positif, negatif, atau netral? Data dalam penelitian ini adalah data komentar publik di media sosial Twitter. Pengumpulan data dilakukan dengan bantuan software RStudio dan juga website kaggle. Data yang digunakan adalah dalam bahasa Indonesia dengan total 102.933 data. Data tersebut akan diklasifikasikan menggunakan metode Naïve bayes classifier. Data tersebut akan melalui tahap preprocessing sebelum proses klasifikasi data. Tahapan preprocessing meliputi proses Cleansing, Case Folding, Remove Character, Remove Duplicate, Translate, Normalization Word, Stemming, Stopword. Hasil penelitian ini menunjukkan sentimen positif sebanyak 66,45% dari 21.356 komentar, sentimen negatif sebanyak 25,21%, sedangkan sentimen netral sebanyak 8,34%.

Full Text:

References

. Puji, A. (2020). Coronavirus: Definisi, Penyebaran, Hingga Pencegahan. Diakses Pada Tanggal 17 Oktober 2021, dari https://hellosehat.com/infeksi/infeksi-virus/penyakit-coronavirus/

. Dinas Kesehatan Kabupaten Buleleng. (2021). Penyebab Gejala dan Pencegahan Virus Corona. Diakses Pada Tanggal 21 Oktober 2021, dari https://dinkes.bulelengkab.go.id/

. Ridlo, I. A., Zein, R. A., & Putri, N. K. (2020). Ekspresi Ketidakpercayaan Masyarakat Pada Pemerintah Indonesia Dalam Penanganan Pandemi Covid-19: Analisis Sentimen Dan Isi Cuitan Di Twitter. Diakses Pada Tanggal 13 Oktober 2021, dari https://osf.io/a7ns5/

. Laurensz, B., & Sediyono, E. (2021). Analisis Sentimen Masyarakat Terhadap Tindakan Vaksinasi Dalam Upaya Mengatasi Pandemi Covid-19. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, 10(2).

. Nufa, E. (2021). Analisis Klasifikasi Sentimen Tentang Pro Dan Kontra Masyarakat Indonesia Terhadap Vaksin Covid-19 Pada Media Sosial Twitter. Diakses Pada Tanggal 13 Oktober 2021,dari https://www.researchgate.net/publication/351867700/

. Ramadhan, D. A., & Setiawan, E. Budi. (2019). Analisis Sentimen Program Acara Di Sctv Pada Twitter Menggunakan Metode Naive Bayes Dan Support Vector Machine. Jurnal e-Proceeding of Engineerring, 6(2).

. Ratnawati, F. (2018). Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter. Jurnal Inovtek Polbeng - Seri Informatika, 3(1).

. Malini, H., & Magribi, R. (2021). Corporate Sustainability Management. Sumatra Barat: Penerbit Insan Cendikia Mandiri.Tersedia dalam Google Books.

. Widianto, M. H. (2019). Pentingnya Vaksinasi Covid-19. Diakses Pada Tanggal 18 Oktober 2021, dari https://binus.ac.id/bandung/2019/12/algoritma-naive-bayes/

. Samsir Dkk. (2021). Analisis Sentimen Pembelajaran Daring Pada Twitter Di Masa Pandemi Covid-19 Menggunakan Metode Naïve Bayes. Jurnal Media Informatika Budidarma, 5(1).

. Suryono, S., Utami, E., & Luthfi, E. T. (2018). Analisis Sentiment Pada Twitter Dengan Menggunakan Metode Naïve bayes classifier. Jurnal Prosiding Seminar Nasional Geotik

DOI: https://doi.org/10.30591/smartcomp.v11i3.3893