Implementasi Metode Support Vector Machine Dalam Analisis Sentimen Pada Data Ulasan Twitter Vaksin Covid-19
Abstract
Penyakit corona virus atau Corona Virus Disease-19 (COVID-19) adalah infeks i
saluran pernapasan yang disebabkan oleh jenis virus corona. Nama lain dari
penyakit ini adalah Severe Acute Respiratory Syndrome Coronavirus-2 (SARSCOV2).
Kasus
Covid-19 pertama kali dilaporkan di kota Wuhan, Provinsi Hubei,
Tiongkok, pada Desember 2019. Dalam beberapa bulan saja, penyebaran penyakit
ini telah menyebar ke berbagai negara, baik di Asia, Amerika, Eropa, dan Timur
Tengah serta Afrika. Pada tanggal 11 Maret 2020, Organisasi Kesehatan Dunia atau
World Health Organization (WHO) mendeklarasikan penyebaran Covid-19
dikategorikan sebagai pandemi. Sebanyak 1,2 juta dosis vaksin Covid-19 buatan
Sinovac tiba di Indonesia pada tanggal 6 Desember 2020. Dasar pemerinta h dalam
memilih vaksin tersebut antara lain memenuhi unsur aman, efektif, dan mutu yang
terjamin oleh lembaga berwenang. Pada tanggal 13 Januari 2021 program vaksinas i
vaksin Covid-19 mulai dilaksanakan dengan Presiden Joko Widodo sebagai
penerima yang pertama. Beberapa masyarakat berupaya untuk menanggulangi dampak
psikis akibat pandemi Covid-19 adalah dengan sekedar menyalurkan keluh kesahnya
atau pun saling berbagi informasi melalui media sosial salah satunya Twitter.
Berdasarkan cuitan pada media sosial Twitter penulis ingin mencari bagaimana
pendapat msyarakat terutama di Indonesia tentang vaksin Covid-19. Apa faktor-faktor
yang sering dikeluhkan pengguna Twitter dan apa saja yang dirasakan. Ulasan yang
digunakan pada penelitian ini berjumlah 3131 yang diklasifikasikan menjadi kelas
sentiment positif dan negatif. Pengklasifikasian data tweet menggunakan algoritma
support vector machine (SVM). Didapatkan hasil akurasi terbaik dengan menggunakan
perbandingan data training 90% dan data testing 10% sebesar 94.88% untuk metode
SVM dengan kernel linear. Kemudian, metode asosiasi teks pada kelas sentiment positif
diantaranya terkait sehat, kesehatan, aman, protokol, dukung, halal, patuh, lawan,
program, ekonomi. Sedangkan pada kelas sentimen negatif diantaranya terkait takut,
virus, suntik, masyarakat, sinovac, lupa, penyebaran, prokes, efek, salah. Hasil uasan
negatif tersebut dianalisis sebab dan akibatnya menggunakan diagram pohon untuk
pemecahan masalah.
Collections
- Industrial Engineering [2240]