Virus corona atau Covid-19 menyerang hampir seluruh negara di dunia, begitu juga Indonesia. Pemerintah Indonesia melaksanakan beberapa kebijakan untuk menangani penyebaran virus Covid-19 di masyarakat yaitu dengan vaksinasi massal. Pelaksanaan vaksinasi massal menjadi pembicaraan masyarakat salah satunya di media sosial Twitter. Penelitian ini bertujuan untuk menganalisis sentimen pelaksanaan vaksinasi massal di Indonesia menggunakan perbandingan antara klasifikasi Naïve Bayes, Random Forest, dan Support Vector Machine (SVM). Hasil penelitian menunjukan bahwa penggunaan metode klasifikasi SVM menghasilkan F1-Score Weighted Average lebih tinggi daripada metode lain yaitu sebesar 84%. Selain itu, dapat disimpulkan bahwa sebagian besar masyarakat pro terhadap pelaksanaan vaksin massal. Sehingga metode SVM dapat digunakan pemerintah untuk mengklasifikasikan sentimen masyarakat terhadap pengadaan vaksinasi massal selanjutnya dan dijadikan dasar pemerintah untuk mempertahankan program vaksinasi massal ini sebagai upaya mencegah penyebaran Covid-19.
Dunia saat ini dihadapkan dengan pandemi virus Covid-19 dengan lonjakan penyebaran kasus yang naik signifikan khususnya di Indonesia. Intensitas penyebaran virus yang tinggi dipengaruhi oleh berbagai aspek, salah satunya yaitu adanya pelanggaran protokol kesehatan. Pada analisis ini, penulis mengambil sampel daerah di Jawa Tengah menggunakan metode K-Means Clustering dan GeoDa spatial analyze dengan tujuan untuk mengetahui karakteristik persebaran Covid-19 di Jawa Tengah dengan indikasi pelanggaran protokol kesehatan. Diperoleh jumlah klaster terbaik yaitu 4 klaster dengan tingkat keyakinan 74%. Klaster 1 memiliki kasus terkonfirmasi Covid-19 tertinggi. Klaster 2 memiliki pelanggaran protokol kesehatan tertinggi. Klaster 3 memiliki kasus terkonfirmasi Covid-19 terendah. Klaster 4 memiliki pelanggaran protokol kesehatan terendah. Penulis berharap analisis ini dapat menjadi acuan bagi pemerintah untuk menurunkan angka positif Covid-19.
Pariwisata merupakan sektor unggulan di Indonesia, salah satunya di D.I.Yogyakarta. Tahun 2017, total wisatawan yang berkunjung ke DIY sebanyak 5.229.298. Tingginya intensitas kunjungan wisatawan, berbanding lurus dengan data preferensi masyarakat terhadap tempat wisata. Dari masalah ini, penulis tertarik untuk melakukan analisis sentimen review tempat wisata dengan model Neural Network IndoBERTweet Fine Tuning dengan menggunakan data Online Travel Agency (OTA). Analisis ini bertujuan agar pemerintah maupun pengelola wisata setempat dapat dengan mudah mengambil sebuah keputusan atau kebijakan dalam meningkatkan kenyamanan tempat wisata. Berdasarkan analisis ini diperoleh lima tempat wisata dengan jumlah review pengunjung tertinggi yaitu, Jalan Malioboro, Istana Air Tamansari, Kraton Yogyakarta, Taman Pintar Yogyakarta, dan Tugu Yogyakarta. Analisis sentimen dari klasifikasi ini menghasilkan nilai accuracy sebesar 92,84%, dengan weighted average recall 93%, precision 92%, dan F1-Score 93%.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.