Klasifikasi Sentimen Masyarakat terhadap Kebijakan Vaksin Covid-19 pada Twitter dengan Imbalance Classes Menggunakan Naive Bayes

Prima Yohana, Surya Agustian, Siska Kurnia Gusti

Abstract


Penggunaan media sosial berkembang sangat pesat hingga sebuah informasi dalam bentuk apapun bisa viral (tersebar luas) dalam sekejap saja. Hal ini dikarenakan kebanyakan masyarakat telah memiliki telepon genggam baik dari usia anak-anak hingga dewasa. Masyarakat menggunakan media sosial twitter untuk berbagai kepentingan, antara lain memberi opini dan komentar. Terkait hal tersebut, dukungan dan penolakan juga banyak disampaikan dalam menanggapi program pemerintah untuk menangani pandemi COVID-19 (corona virus disease 2019) dengan mengadakan vaksinasi massal. Penelitian melakukan analisis dan klasifikasi adanya sentimen yang menggambarkan pandangan yang bersifat positif, negatif maupun netral masyarakat tentang covid-19 dengan menggunakan metode Naïve Bayes Classfier. Analisis dilakukan dengan mencari komposisi dataset yang relatif berimbang di antara kelas positif, negatif dan netral. Kombinasi tahapan teks preprocessing diselidiki untuk menghasilkan model NB yang memiliki performa terbaik dari data training, dan divalidasi menggunakan data development. Model final yang dipilih, menghasilkan akurasi 69,56% pada data development, kemudian diterapkan untuk menguji data testing yang belum pernah terlihat sebelumnya. Hasil akurasi yang diperoleh adalah 61% dengan F1-score sebesar 0,57. Pendekatan yang digunakan telah berhasil meningkatkan performa klasifikasi, karena berhasil mengidentifikasi kelas negatif dan positif dengan lebih baik, dibandingkan bila data digunakan apa adanya, tanpa melakukan balancing.


Full Text:

PDF

References


D. Telaumbanua, “Urgensi Pembentukan Aturan Terkait Pencegahan Covid-19 di Indonesia,” Qalamuna, vol. 12, pp. 59–70, 2020.

M. Peiris and G. M. Leung, “What can we expect from first-generation COVID-19 vaccines?,” The Lancet, vol. 396, no. 10261, Nov. 2020, doi: 10.1016/S0140-6736(20)31976-0.

M. Rizki, “Analisis Sentimen Masyarakat Terhadap Vaksin Covid-19 Menggunakan Metode Support Vector Machine pada Media Sosial Twitter,” UIN Sultan Syarif Kasim Riau, Pekanbaru, 2022.

Ash Shiddicky and S. Agustian, “Analisis Sentimen Masyarakat Terhadap Kebijakan Vaksinasi Covid-19 pada Media Sosial Twitter menggunakan Metode Logistic Regression,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 3, no. 2, pp. 99–106, Aug. 2022, doi: 10.37859/coscitech.v3i2.3836.

A. Amri, “Implementasi Algoritma Random Forest untuk Mendeteksi Hate Speech dan Abusive Language pada Twitter Bahasa Indonesia,” UIN Sultan Syarif Kasim Riau, Pekanbaru, 2019.

A. Fadilah, “Penerapan Algoritma K-Nearest Neighbor untuk Mendeteksi Ujaran Kebencian dan Bahasa Kasar pada Twitter Bahasa Indonesia,” UIN Sultan Syarif Kasim Riau, Pekanbaru, 2021.

F. Ihsan, I. Iskandar, N. S. Harahap, and S. Agustian, “Decision tree algorithm for multi-label hate speech and abusive language detection in Indonesian Twitter,” Jurnal Teknologi dan Sistem Komputer, vol. 9, no. 4, pp. 199–204, Oct. 2021, doi: 10.14710/jtsiskom.2021.13907.

A. Arini, L. K. Wardhani, and D. Octaviano, “Perbandingan Seleksi Fitur Term Frequency & Tri-Gram Character Menggunakan Algoritma Naïve Bayes Classifier (Nbc) Pada Tweet Hashtag #2019gantipresiden,” KILAT, vol. 9, no. 1, pp. 103–114, Apr. 2020, doi: 10.33322/kilat.v9i1.878.

S. Suprianto, “ Implementasi Algoritma Naive Bayes Untuk Menentukan Lokasi Strategis Dalam Membuka Usaha Menengah Ke Bawah di Kota Medan,” Jurnal Sistem Komputer dan Informatika (JSON), vol. I, no. 2, pp. 125–130, 2020.

M. Ihsan, B. S. Negara, and S. Agustian, “LSTM (Long Short Term Memory) for Sentiment COVID-19 Vaccine Classification on Twitter,” Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, vol. 13, no. 1, pp. 79–89, May 2022, doi: 10.31849/digitalzone.v13i1.9950.

M. Miftahuddin and M. Subianto, “Analisis Produktivitas Tumbuhan Buah Melalui Feature Selection,” Jurnal Matematika, Statistika dan Komputasi, vol. 8, no. 2, Jan. 2012.

F. Pedregosa et al., “MultinomialNB Sklearn,” Journal of Machine Learning Research, vol. 11, no. 85, pp. 2825–2830, 2011, Accessed: Sep. 01, 2022. [Online]. Available: https://jmlr.csail.mit.edu/papers/v12/pedregosa11a.html


Refbacks

  • There are currently no refbacks.


FAKULTAS SAINS DAN TEKNOLOGI
UIN SUSKA RIAU
Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sntiki@uin-suska.ac.id