ANALISIS SENTIMEN TWEET VAKSIN COVID 19 SINOVAC MENGGUNAKAN METODE SUPPORT VECOR MACHINE
Abstract
Di awal tahun 2020 dunia dikagetkan dengan kejadian infeksi berat dengan penyebab yang belum diketahui, virus Covid-19 yang sedang melanda dunia saat ini yang menyebabkan penyakit pada manusia dan hewan. Kebayanakan orang masih merasa sedih, takut, marah ataupun merasa gembira dengan masih menyebarnya penyakit ini dan belum ditemukanya obat atau vaksin yang berhasil melumpuhkan virus ini yang sejauh ini sudah ada beberapa institusi atau perusahaan yang sedang mengambangkan vaksin Covid-19 salah satunya Sinovac. Twitter merupakan situs web layanan jejaring sosial yang banyak diminati pengguna internet yang sangat sering digunakan masyarakat dalam memberikan pendapat mengenai vaksin Sinovac ini. Menggunakan algoritma Support Vector Machine (SVM) merupakan salah satu metode klasifikasi yang memprediksi kelas berdasarkan model atau pola dari hasil proses training, analisis sentiment dilakukan untuk mengetahui respon sebagian masyarakat sebagian besar mengenai vaksin Sinovac ini. Dan diapatkan akurasi yang baik sebesar 74%.
Full Text:
PDFReferences
P. D. O. Davies, “Multi-drug resistant tuberculosis,” CPD Infect., vol. 3, no. 1, pp. 9–12, 2002.
R. Pakpahan and Y. Fitriani, “JISAMAR (Journal of Information System, Applied, Management, Accounting and Researh),” vol. 4, no. 2, pp. 30–36, 2020.
I. P. Sari and S. Sriwidodo, “Perkembangan Teknologi Terkini dalam Mempercepat Produksi Vaksin COVID-19,” Maj. Farmasetika, vol. 5, no. 5, p. 204, 2020, doi: 10.24198/mfarmasetika.v5i5.28082.
W. E. Nurjanah, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 12, pp. 1750–1757, 2017.
N. D. Putranti and E. Winarko, “Analisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 8, no. 1, p. 91, 2014, doi: 10.22146/ijccs.3499.
A. Novantirani, M. K. Sabariah, and V. Effendy, “Analisis Sentimen pada Twitter untuk Mengenai Penggunaan Transportasi Umum Darat Dalam Kota dengan Metode Support Vector Machine,” e-Proceeeding Eng., vol. 2, no. 1, pp. 1–7, 2015.
Morgan, Sentiment Analysis and Opinion Mining. Claypool.
I. Santoso, Windu Gata, and Atik Budi Paryanti, “Penggunaan Feature Selection di Algoritma Support Vector Machine untuk Sentimen Analisis Komisi Pemilihan Umum,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 364–370, 2019, doi: 10.29207/resti.v3i3.1084.
E. Retnoningsih and R. Pramudita, “Mengenal Machine Learning Dengan Teknik Supervised dan Unsupervised Learning Menggunakan Python,” vol. 7, no. 2, pp. 156–165, 2020.
W. Setianto, “Analisis Sentimen Twitter Untuk Mengetahui Dampak Dari Pandemi Covid-19 Terhadap Masyarakat Jakarta,” Github, pp. 1–17, 2020, [Online]. Available: https://github.com/Hyuto/Analisis-Sentimen-Corona-DKI-Jakarta ABSTRAK.
DOI: https://doi.org/10.33365/jdmsi.v3i2.1926
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 Bita Parga Zen, Danang Wicaksana, Halim Alfidzar
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
| Organized by: The S1 Information Systems Study Program, Faculty of Engineering and Computer Science |
| Published by: Universitas Teknokrat Indonesia |
| Website: https://ejurnal.teknokrat.ac.id/index.php/JDMSI |
| Email: jdmsi@teknokrat.ac.id |
| Address: ZA. Pagar Alam Street No. 9 -11, Labuhan Ratu, Bandar Lampung, Indonesia 35132 |
 Article Publish in Jurnal Data Mining dan Sistem Informasi are licensed under a Creative Commons Attribution-ShareAlike 4.0 International License |