ANALISA SENTIMEN VAKSINASI COVID-19 DENGAN METODE SUPPORT VECTOR MACHINE DAN NAÏVE BAYES BERBASIS TEKNIK SMOTE

ANALISA SENTIMEN VAKSINASI COVID-19 DENGAN METODE SUPPORT VECTOR MACHINE DAN NAÏVE BAYES BERBASIS TEKNIK SMOTE

• By Riza, Fahlapi;
• Jurnal Nasional Terakreditasi
• 567
• 57-63

Keadaan dan tantangan pandemi pada awal tahun 2021 dengan telah ditemukannya vaksin atas virus Covid-19 tentunya diperlukan percepatan dalam pemberian vaksin kepada seluruh umat manusia di seluruh dunia. Di Indonesia, Pemerintah menggalakan program vaksinasi masal kepada seluruh Warga Negara Indonesia dengan melakukan percepatan vaksinasi di seluruh wilayah Indonesia sampai dengan saat ini. Berdasarkan hal tersebut diatas dipandang perlu melakukan analisa sentimen. Media sosial twitter dipilih sebagai salah satu sarana dalam analisas sentiman ini. Terdapat 1013 komentar positif dan negatif para pengguna twitter dengan kata kunci “vaksin” yang didapatkan untuk diproses terkait tanggapan masyarakat atas pelaksanaan vaksinasi masal yang dilaksanakan di Indonesia. Dengan menggunakan Algoritma Support Vector Machine (SVM) dan Naïve Bayes berbasis SMOTE dilakukan perbandingan pengujian atas komentar positif dan negatif tersebut. Dari proses pengujian tersebut didapatkan hasil akurasi dari algoritma SVM menggunakan teknik SMOTE didapatkan nilai akurasi =70.51% dan nilai AUC =0.827, sedangkan proses pengujian menggunakan algoritma Naïve Bayes dengan teknik SMOTE didapatkan nilai akurasi = 64.36% dan nilai AUC = 0.423. dari proses diatas, penggunaan Support Vector Machine berbasis teknik SMOTE memiliki akurasi yang lebih tinggi sehingga dapat digunakan untuk memberikan solusi terhadap analisis sentimen vaksinasi Covid-19.

• Katakunci Covid-19, Vaksinasi, Naïve Bayes, SVM, Twitter
• URL https://jurnal.kaputama.ac.id/index.php/JIK/article/view/698
• Penerbit ,

REFERENSI

[1] P. dr. T. Y. Aditama, Covid-19 dalam Tulisan Prof.Tjandra/ Tjandra Yoga Aditama;Ondri Dwi Sampurno (Ed.), 1st ed. Jakarta, ndonesia: Lembaga Penerbit Badan Penelitian dan Pengembangan Kesehatan (LPB), 2020.

[2] Pardede, A. M. H., et al. "Optimization model in public health services to support smart cities." Journal of Theoretical and Applied Information Technology (2021): 651-661.

[3] F. F. Rachman and S. Pramana, “Analisis Sentimen Pro dan Kontra Masyarakat Indonesia tentang Vaksin COVID-19 pada Media Sosial Twitter,” Heal. Inf. Manag. J., vol. 8, no. 2, pp. 100–109, 2020.

[4] Ratino, N. Hafidz, S. Anggraeni, and W. Gata, “Sentimen Analisis Informasi Covid-19 menggunakan Support Vector Machine dan Naïve Bayes,” J. JUPITER, vol. 12, no. 2, pp. 1–11, 2020.

[5] R. Fahlapi and Y. Rianto, “Twitter Comment Predictions on Dues Changes BPJS Health In 2020,” SinkrOn, vol. 5, no. 1, p. 170, 2020.

[6] H. Muhamad, C. A. Prasojo, N. A. Sugianto, L. Surtiningsih, and I. Cholissodin, “Optimasi Naïve Bayes Classifier Dengan Menggunakan Particle Swarm Optimization Pada Data Iris,” J. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 3, p. 180, 2017.

[7] R. Fahlapi, H. Hermanto, A. Y. Kuntoro,

L. Effendi, R. O. Nitra, and S. Nurlela, “Prediction of Employee Attendance Factors Using C4.5 Algorithm, Random Tree, Random Forest,” Semesta Tek., vol. 23, no. 1, pp. 39–53, 2020.

[8] A. Noviriandini, U. Bina, S. Informatika, and J. Pusat, “ANALISA SENTIMEN TERHADAP BELAJAR ONLINE PADA MASA COVID-19 MENGGUNAKAN ALGORITMA SUPPORT VECTOR,” vol. 5, no. 1, pp. 129–136, 2021.

[9] S. Hikmawan, A. Pardamean, and S. N. Khasanah, “Sentimen Analisis Publik Terhadap Joko Widodo terhadap wabah Covid-19 menggunakan Metode Machine Learning,” J. Kaji. Ilm., vol. 20, no. 2, pp. 167–176, 2020.

[10] H. Herlawati, “COVID-19 Spread Pattern Using Support Vector Regression,” PIKSEL Penelit. Ilmu Komput. Sist. Embed. Log., vol. 8, no. 1, pp. 67–74, 2020.

[11] H. Hermanto, A. Mustopa, and A. Y. Kuntoro, “Algoritma Klasifikasi Naive Bayes Dan Support Vector Machine Dalam Layanan Komplain Mahasiswa,” JITK (Jurnal Ilmu Pengetah. dan Teknol. Komputer), vol. 5, no. 2, pp. 211–220, 2020, doi: 10.33480/jitk.v5i2.1181

[12] Hermanto et al. Gojek and Grab User Sentiment Analysis on Google Play Using Naive Bayes Algorithm and Support Vector Machine Based Smote Technique.