ANALISIS SENTIMEN DALAM PENANGANAN COVID-19 DI INDONESIA MENGGUNAKAN NAIVE BAYES CLASSIFIER
(1) Universitas Muhammadiyah Semarang
(2) Universitas Muhammadiyah Semarang
(3) Universitas Muhammadiyah Semarang
(*) Corresponding Author
Abstract
Kasus Coronavirus Disease (covid-19) di Indonesia telah berdampak dalam segala lapisan kehidupan. Salah satu kebijakan yang dilakukan oleh pemerintah menjadi sorotan di media sosial yaitu tentang adanya kebijakan Pembatasan Sosial Berskala Besar (PSBB). Banyaknya tanggapan masyarakat tentang kebijakan tersebut sangat beragam terutama di media sosial Twitter. Penelitian ini bertujuan mengetahui bagaimana sentimen masyarakat terhadap kebijakan PSBB melalui tanggapan di media sosial twitter. Data yang digunakan dengan rentang waktu April – Juni 2020. Data tersebut diklasifikasikan menggunakan algoritma Naïve Bayes Classifier. Hasil akurasi yang didapatkan dengan menggunakan Confussion Matrix untuk algoritma Naïve Bayes Classifier sebesar 89.13%. Sedangkan peluang kesalahan klasifikasi yang dihasilkan oleh kedua metode tersebut dengan menggunakan APER (Apparent Error Rate) dengan hasil Naïve Bayes Classifier sebesar 10.87%.
Kata Kunci:Analisis Setimen,Covid-19, Naive Bayes Classifier, PSBB, Twitter
Full Text:
PDFReferences
Aditya, B. R. (2015). Penggunaan Web Crawler untuk Menghimpun Tweets dengan Metode Pre-Processing Text Mining. Infotel, 7(2), 93-100.
Asiyah, S. N. (2016). Klasifikasi Berita Online Menggunakan Metode Support Vector Machine dan K-Nearest Neighbour. Surabaya: Institut Teknologi Sepuluh November.
Gugus COVID-19. (2020). Homepage Gugus Tugas Percepatan Penangan COVID-19. https://covid19.go.id/ . Tanggal 30 Juni 2020 Pukul 09.00.
Gusriani, S., Kartina, D. K. W., & Muhammad, I.Z. (2016). Analisis Sentimen Terhadap Toko Online di Sosial Media Menggunakan Metode Klasifikasi Naïve Bayes (Studi Kasus: Facebook Page BerryBenka). Pekanbaru: Universitas Caltex Riau.
Mahardika, Y. S., & Eri, Z. (2018). Analisis Sentimen Terhadap Pemerintahan Joko Widodo Pada Media Sosial Twitter Menggunakan Algoritma Naïve Bayes Classifier . Prosiding Sintax. Universitas Stikubank.
Muel, S.S., Utami, T.W., & Rochdi, W. (2019). Analisis Sentien Pada Twitter Dengan Metode Naive Bayes Classifier Menggunakan Visualisasi Latent Dirichilet Allocation. Semarang: Universitas Muhammadiyah Semarang.
Purnamasari, D.M. (2020). Survei: Sebagian Besar Warga Menolak PSBB karena Sulit Cari Nafkah.
https://nasional.kompas.com/read/2020/04/23/13541671/survei-sebagian-besar-warga-menolak-psbb-karena-sulit-cari-nafkah. Diakses 23 April 2020 (09.30)
Rozi, I. F., Pramono, S. H., & Dahlan, E. A. (2012). Implementasi Tanggapanon Mining (Analisis Sentimen) untuk Ekstaksi Data Tanggapan Publik pada Perguruan Tinggi. EECCIS, Juni, 6(1), pp. 37-43.
Salam, A., Junta, Z., & Rima, S. P. U. K. (2018). Analisis Sentimen Data Komentar Sosial Media Facebook Dengan K-Nearest Neighbour (Studi Kasus Pada Akun Jasa Ekspedisi Barang JdanT Ekspree Indonesia). Prosiding Sintax. Universitas Dian Nuswantoro.
World Health Organization. (2020). Coronavirus disease (COVID-19) https://www.who.int/emergencies/diseases/novel-coronavirus 2019?gclid=Cj0KCQjww_f2BRCARIsAP3zarGHHhl2cj59Tg1uPCU9Hf3jNXEYcow81FnuNA3rX1joQ0GjhRLhSxgaAt07EALw_wcB . Diakses 9 Juni 2020 (08:30)
Article Metrics
Abstract view : 1108 times | PDF view : 147 timesRefbacks
- There are currently no refbacks.
Copyright (c) 2021 Tanti Yulianita, Tiani Wahyu Utami, M. Al Haris
Abstracted/Indexed by:
Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) is licensed under a Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)