Analisis Sentimen Terhadap Opini Publik Tentang Kesehatan Mental Selama Pandemi Covid-19 Di Media Sosial Twitter Menggunakan Naive Bayes Classifier Dan Support Vector Machine (Studi Kasus : Data Opini Twitter Tentang Kesehatan Mental Selama Pandemi COVID-19 Tahun 2020 di Indonesia)

Abstract

Sejak kasus pertama terdeteksi di Wuhan bulan Desember tahun lalu, pandemi Covid-19 masih belum pasti kapan akan berakhir. Hal tersebut membuat sebagian besar orang menjadi cemas, bukan hanya karena takut terinfeksi virus, melainkan juga karena berbagai pemicu kecemasan lain yang dihadapi dalam waktu yang bersamaan. Pandemi COVID-19 merupakan sebuah krisis global yang bukan hanya mengancam kesehatan masyarakat secara fisik,namun juga secara mental. Beberapa masyarakat berupaya untuk menanggulangi dampak psikis akibat pandemi Covid-19 adalah dengan sekedar menyalurkan keluh kesahnya atau pun saling berbgai informasi melalui media sosial salah satunya Twitter. Berdasarkan cuitan pada media sosial Twitter peneliti ingin mencari bagaimana pendapat msyarakat terutama di Indonesia tentang kesehatan mental selama pandemi. Apa faktor-faktor yang sering dikeluhkan pengguna Twitter mengenai kesehatan mentalnya di Twitter dan apa saja yang dirasakan. Dalam skripsi ini, peneliti fokus pada komentar-komentar terkait kesehatan mental selama pandemi Covid-19. Pada penelitian ini analisis sentimen dilakukan untuk melihat apa saja opini pengguna Twitter mengenai kesehatan mental. Pengklasifikasian data tweet menggunakan algoritma naïve bayes classifier (NBC) dan support vector machine (SVM). Didapatkan hasil akurasi sebesar 80,81% untuk metode SVM dengan kernel Polinomial. Dan untuk hasil akurasi yang lain yaitu metode SVM dengan kernel RBF sebesar 78,79%, SVM dengan kernel Linier sebesar 71,73% dan NBC sebesar 70,71%.