Analisis Komentar Toxic terhadap Video Informasi COVID-19 pada Akun YouTube Kementerian Kesehatan menggunakan Metode Naïve Bayes Classifier

Abstract

Negara di dunia dikejutkan dengan wabah virus baru pada tahun 2020 yang penularannya sangat cepat dan menyerang manusia tanpa memandang usia. Virus tersebut adalah COVID-19. Hal ini menyebabkan pemerintah menganjurkan himbauan melalui media sosial dengan tidak keluar rumah dan mengikuti vaksinasi. YouTube menjadi salah satu wadah bagi pemerintah khususnya Kementerian Kesehatan dalam memenuhi kebutuhan informasi masyarakat di era pandemi COVID-19. Masyarakat dapat memberikan komentar pada video yang diunggah oleh Kementerian Kesehatan. Dibutuhkan analisis terhadap komentar agar informasi dalam komentar dapat bermanfaat dan menjadi bahan evaluasi pemerintah dalam memberikan informasi yang dapat dipahami dengan baik oleh masyarakat. Dalam menganalisis komentar toxic, dapat dilakukan menggunakan klasifikasi text mining salah satunya Naïve Bayes Classifier. Penelitian ini menggunakan Naïve Bayes Classifier untuk menganalisis komentar dan dalam pengukuran nilai akurasinya menggunakan evaluasi Confusion Matrix. Hasil akhir yang diperoleh yaitu nilai akurasi tertinggi berada pada perbandingan 90:10 dengan nilai akurasi sebesar 80%. Dan dari hasil analisis, penggunaan kata toxic terbanyak yaitu di antaranya kata ‘mati’, ‘bisnis’, ‘masyarakat’ dan juga ‘bodoh’. Hasil analisis menunjukkan bahwa masyarakat masih banyak yang tidak percaya terhadap adanya COVID-19 dan beranggapan bahwa vaksin bisa menyebabkan kematian pada orang yang di vaksin.