ANALISIS SENTIMEN TERKAIT VAKSIN COVID-19 PADA DATA TWITTER MENGGUNAKAN SUPPORT VECTOR MACHINE

Abstract

Pemerintah Indonesia telah mengumumkan bahwa Indonesia telah terkena dampak dari Covid-19 sejak 2 Maret 2020. Upaya telah dilakukan oleh berbagai negara termasuk Indonesia, namun dengan beredarnya persepsi, rumor, dan banyak informasi yang masuk ke masyarakat mengenai vaksin, menyebabkan timbulnya pro dan kontra terkait upaya vaksinasi yang dilakukan pemerintah. Oleh karena itu, analisis sentimen mengenai kebijakan yang dilakukan pemerintah terkait vaksin dirasa perlu. Tujuan penelitian ini adalah mengetahui kecenderungan sentimen terkait vaksin Covid-19 di Indonesia berdasarkan hasil dari klasifikasi. Metode klasifikasi yang digunakan pada penelitian ini adalah Support Vector Machine (SVM). Metode klasifikasi SVM dipilih karena memiliki kemampuan generalisasi dalam mengklasifikasikan suatu pattern, tidak termasuk data yang dipakai dalam fase pembelajaran metode tersebut. Klasifikasi menggunakan SVM kernel linear dengan pembobotan TF-IDF dan pembagian data menggunakan K-fold cross validation dengan nilai k=10. Klasifikasi dilakukan menjadi dua kelas,yaitu positif dan negatif. Setelah dilakukan praproses dan klasifikasi, didapatkan nilai f1, akurasi, presisi, dan recall sebagai nilai acuan dalam mengevaluasi klasifikasi. Hasil penelitian menunjukkan bahwa SVM cukup baik dalam mengklasifikasikan data pada penelitian ini dengan nilai f1= 89.219%, akurasi= 82.738%, presisi= 83.333%, dan recall= 96%. Nilai tersebut dapat dikategorikan baik, sehingga SVM dapat dikatakan baik untuk mengklasifikasikan data sentimen terkait vaksin Covid-19 di Indonesia. Penelitian lanjutan dapat dilakukan dengan data tweet yang lebih kaya, praproses yang lebih mendalam, serta membandingkannya dengan teknik klasifikasi lainnya guna mendapat nilai evaluasi klasifikasi yang lebih baik.