Pemodelan Machine Learning : Analisis Sentimen Masyarakat Terhadap Kebijakan PPKM Menggunakan Data Twitter

Abstract

Abstract— In this pandemic era, the government is forced to implement policies that can reduce the daily positive rate of COVID-19. One of these policies is known as PPKM. It is unclear when the pandemic will end, causing data phenomena to be scattered on social media, one of which is Twitter. Therefore, in this study, we conducted an analysis of sentiment originating from tweets from Twitter social media users in the Jakarta area regarding the government's policy, namely PPKM in the face of the COVID-19 pandemic. In this research, we use a Machine Learning approach, namely LSTM. This modeling produces a classification of positive and negative sentiments. The dataset used is 3000 tweets with a time period of September - November 2021. At the preprocessing stage, the data that are ready to be used for modeling are 2176. The results of this study get an accuracy of 0.943. So the model that we propose, namely LSTM, has succeeded in classifying a satisfactory sentiment with a positive number of 92% and a negative 8% of 2176 sentiments, so it can be concluded that the PPKM policy implemented by the Indonesian government in the DKI Jakarta area is said to be effective or positive.

Analisis Sentimen Penilaian Masyarakat Terhadap Pejabat Publik Menggunakan Algoritma Naïve Bayes Classifier

“…Umumnya kelas yang ada dalam analaisis sentimen berupa kelas positif dan kelas negatif [13]. Proses dalam menjadikan data teks menjadi kelas positif dan negatif dalam analisis sentimen melibatkan metode Machine Learning [14]. Metode ini merupakan algoritma yang digunakan untuk mendapatkan dan menerapkan pola dalam data menggunakan teknik statistik [13].…”

Analisis Sentimen SEA Games 2023 di Twitter Metode dengan Machine Learning

“…Berdasarkan hasil pengujian yang dilakukan terhadap tweets sentimen pemindahan ibu kota dari media sosial twitter sebanyak 1.236 tweets (404 positif dan 832 negatif) menggunakan SVM diperoleh akurasi =96,68%, precision=95.82%, recall=94.04% dan AUC = 0,979 (Arsi & Waluyo, 2021). Pane (2022) dalam penelitian ini menggunakan data yang bersumber dari cuitan para pengguna media sosial Twitter di wilayah Jakarta terhadap kebijakan pemerintah yaitu PPKM dalam menghadapi pandemi COVID-19. Dalam penelitian ini kami menggunakan pendekatan Machine Learning yaitu LSTM.…”

“…Hasil penelitian ini mendapatkan akurasi sebesar 0,943. Sehingga model yang kami usulkan yaitu LSTM berhasil mengklasifikasikan sentimen yang memuaskan dengan angka positif sebesar 92% dan negatif 8% dari 2176 sentimen, sehingga dapat disimpulkan bahwa kebijakan PPKM yang diterapkan oleh pemerintah Indonesia di wilayah DKI Jakarta daerah tersebut dikatakan efektif atau positif (Pane & Ramdan, 2022). Hikmawan et al, (2020) melakukan penelitian dengan menggunakan kata kunci "Jokowi" dan "Covid" untuk mengumpulkan data di twitter, hal ini memungkinkan kita menjadikan tweet didalamnya untuk dijadikan dataset.…”

Mengukur Perilaku Manusia dalam Skala Besar dan Secara Real-time: Studi Kasus Pola Mobilitas Penduduk dan Fase Awal Pandemi COVID-19 di Indonesia

“…Beberapa studi yang telah dilakukan sebelumnya terutama lebih cenderung menyelidiki konten media sosial terkait kekhawatiran publik dalam menghadapi pandemi COVID-19. [11][12][13][14] Sementara itu, penelitian kami menyelidiki potensi penggunaan meta-data media sosial, yakni data geotag, yang tersedia dan sebelumnya masih kurang diekplorasi dan manfaatkan. Dalam hal ini, Twitter menyediakan sampel data penggunanya secara gratis yang potensial untuk dapat digunakan sebagai sumber data baru.…”