ANALISIS SENTIMEN KLASIFIKASI TWEET VAKSIN COVID 19 DENGAN NAÏVE BAYES

Abstract

Medsos Twitter memiliki pengguna sebanyak 332 juta dengan ± 500 juta tweet yang dikirimkan per harinya dan 200 miliar tweet per tahun. Pemerintahan sekarang juga tidak lepas dari komentar publik tentang kebijakan vaksin Covid 19. Kebijakan Indonesia dalam program vaksinasi Covid 19 kebalikan dari kebijaksanaan sejumlah negara, para ahli mengatakan kelompok pertama yang divaksinasi haruslah staf medis garis depan dan kemudian orang tua. Pemerintah Indonesia lebih memilih untuk menyuntik vaksin Covid 19 bagi tenaga kesehatan yang berada di garis terdepan melawan pandemi Covid-19. Penelitian ini bertujuan untuk mengimplementasi algoritma Naïve Bayes Classifier (NBC) dalam mengklasifikasikan sebuah tweet opini sehingga dapat diketahui termasuk ke dalam kelas bersentimen positif atau negatif dan menganalisis nilai dari ketepatan algoritma Naïve Bayes Classifier. Metode NBC untuk menjalankan klasifikasi tweet vaksin Covid 19 dalam klasifikasi bersentimen positif atau negatif dengan 275 data latih dan 25 data uji yang diperoleh menghasilkan ketepatan 96 % dengan jumlah klasifikasi sentimen positif adalah 24 dan jumlah klasifikasi sentimen negatif adalah 0. Hasil yang diperoleh dalam proses pengklasifikasian mendapatkan akurasi yang cukup tinggi yaitu 96 % maka dari itu metode NBC bisa dipergunakan dalam menjalankan klasifikasi tweet vaksin Covid 19 positif atau negatif secara otomatis.