Analisis Sentimen Opini Publik terhadap Program Vaksinasi COVID-19 di Indonesia pada Twitter Menggunakan Metode Naive Bayes Classifier
Abstract
Virus COVID-19 muncul pada Desember 2019 di China dan aktif menyebar ke seluruh dunia termasuk Indonesia pada awal tahun 2020. Penyebarannya sangat cepat dan telah menyebabkan jutaan kematian. Oleh karena itu, pemerintah Indonesia gencar mengadakan program vaksinasi COVID-19 untuk mencegah penyebaran virus dan membuat masyarakat kebal terhadap virus tersebut. Namun program tersebut mengundang pro dan kontra di kalangan masyarakat. Twitter merupakan salah satu media sosial yang terkenal sebagai media opini dari masyarakat umum. Proses analisis sentimen dapat menemukan dan memecahkan masalah berdasarkan opini publik di media sosial seperti Instagram. Metode klasifikasi yang digunakan dalam penelitian ini adalah Naïve Bayes Classifier. Dataset dapat diperoleh dari proses crawling data menggunakan Google Collabs dan bahasa pemrograman python. Total dataset yang diperoleh adalah 2000. Data yang diberi label positif, netral, atau negatif. Hasil proses pelabelan menunjukkan 1579 data positif, 277 data negatif, dan 144 data netral. Kemudian dilakukan pre-processing terhadap data yang telah diberi label sebelumnya, juga dilakukan proses pembobotan kata menggunakan TF-IDF. Setelah itu dilakukan pemodelan menggunakan Naïve Bayes Classifier dan proses terakhir adalah evaluasi-testing. Akurasi tinggi dari hasil percobaan keempat yang membandingkan 90% data training dengan 10% data testing menghasilkan akurasi 86%. Sedangkan hasil uji sentimen menunjukkan bahwa sentimen positif lebih banyak daripada sentimen negatif dan sentimen netral.