RITA SUSANTI, - (2022) Klasifikasi Sentimen Publik Terhadap Proses Vaksinasi Covid-19 di Indonesia Berdasarkan Metode Naïve Bayes dan Support Vector Machine. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HAL JUDUL) 081811833040-HAL JUDUL.pdf Download (171kB)
	Text (BAB 1) 081811833040-BAB 1.pdf Download (63kB)
	Text (FULLTEXT) 081811833040.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Pandemi Covid-19 telah menyebabkan krisis global yang berdampak pada seluruh aspek kehidupan individu. Tidak ada pengobatan yang efektif kecuali vaksinasi skala besar. Namun, proses vaksinasi di Indonesia terkesan lambat dibandingkan negara-negara maju yang telah mencapai herd immunity. Hal ini dikarenakan banyak permasalahan yang terjadi di Indonesia seperti kelangkaan pasokan vaksin, pendistribusian vaksin yang lama, tidak adanya laporan data vaksinasi secara real-time serta adanya keraguan di masyarakat untuk melakukan vaksinasi. Hal ini membuktikan perlunya evaluasi proses vaksinasi guna menganalisis aspek-aspek yang perlu diperbaiki. Dalam mencapai tujuan tersebut, klasifikasi sentimen dilakukan menggunakan text mining berdasarkan metode Naïve Bayes dan Support Vector Machine. Penelitian ini menggunakan 1000 tweets periode 18 Agustus sampai 16 September 2021 yang diperoleh dari media sosial Twitter dengan teknik crawling menggunakan API. Data tersebut dibagi menjadi 90% data training dan 10% data testing dengan 10-fold cross validation. Hasil analisis deskriptif menunjukkan bahwa kebijakan vaksinasi Covid-19 dan keterbatasan informasi yang benar merupakan aspek permasalahan yang dikritik oleh publik. Sementara hasil klasifikasi berdasarkan Naïve Bayes menujukkan akurasi sebesar 95,43% sedangkan SVM menunjukkan akurasi sebesar 76,30% yang menunjukkan Naïve Bayes lebih baik dalam mengklasifikasikan sentimen positif dan negatif. Selain itu, Naïve Bayes juga lebih baik dalam mengklasifikasikan sentimen positif dengan nilai sensitivity sebesar 95,72% namun SVM lebih baik dalam mengklasifikasikan sentimen negatif dengan nilai specificity sebesar 100%. Dengan demikian, dapat disimpulkan bahwa Naïve Bayes secara umum menghasilkan performansi yang lebih baik dan sesuai dengan studi pada kasus penelitian ini dibandingkan SVM.

Actions (login required)

View Item