Analisis Sentimen Vaksinasi Booster Covid-19 pada Platform Twitter Menggunakan Metode Naïve Bayes

Abstract

Since the end of 2019, the Covid-19 virus hit the whole world, including in Indonesia. One of the efforts to deal with the Covid-19 virus is vaccination. In Indonesia, the government requires people to vaccinate 3 times, that are First Vaccination, Second Vaccination, and Booster Vaccination. The public's response to the booster vaccine are varies. This study aims to reveal public sentiment towards booster vaccine activities. The research was conducted by collecting tweet data from the Twitter platform. The research was conducted by collecting data tweets from Twitter. The method used is the Naïve Bayes Classifier because the method is simple, the process is fast, and it has a fairly high level of confidence. In this method, public sentiment is divided into three, that are positive, neutral, and negative. The results showed that most people responded positively to this booster vaccine activity with a value of 56.8%, neutral as much as 39.9%, and negative as much as 3.3% with an accuracy rate of 86%.

Perbandingan Algoritma Naïve Bayes Classifier Dan K-Nearest Neighbors Untuk Analisis Sentimen Covid-19 Di Twitter

“…Banyak masyakarat yang ingin mengekspresikan aspirasinya di media sosial yang tampaknya tepat sebagai tempat untuk mengungkapkan aspirasi masyakarat akan pandemi COVID-19. Salah satu media sosialnya yaitu twitter, dimana pada twitter dimungkinkan pengguna akun mengirimkan hingga 140 karakter pada pesan teksnya [7]. Terdapat banyak sekali pesan teks yang dikirimkan ada pesan teks yang positif dan ada juga pesan teks yang negatif sehingga sulit untuk mengambil informasi yang selaras didalamnya karena keberagaman pesan teks yang dikirim.…”

“…Pola sifat ini merupakan sentimen yang memiliki aspek positif, negatif atau netral [8]. Penelitian sebelumnya perihal analisis sentimen di media sosial twitter terkait dengan COVID-19 [7]. Penelitian tersebut menggunakan kamus sastrawi dalam preprocessingnya, menggunakan algoritma Naïve Bayes Classifiers dan mendapatkan hasil akurasi sebesar 78% .Penelitian lain terkait dengan COVID-19 [9].…”

Analisis Ancaman COVID-19 Varian XBB di Indonesia Pada Jejaring Media Sosial Twitter Menggunakan Text Mining

“…Belum tuntasnya implementasi pemerintah selama ini untuk menghentikan penularan virus Coronavirus 2019 (COVID-19) tentu membuat masyarakat merasa cemas, khawatir bahkan takut dengan pandemi ini [1]. Virus penyebab COVID-19, SARS-CoV-2 terus bermutasi menjadi varian baru.…”