No image available for this title

Text

Analisis Sentimen Masyarakat Indonesia Terkait Vaksin Covid-19 Pada Media Sosial Twitter Menggunakan Metode Support Vector Machine (SVM)



COVID-19 merupakan wabah penyakit baru yang telah ditetapkan secara resmi sebagai pandemi global oleh World Health Organization (WHO) pada tanggal 11 Maret 2020 lalu. Melihat pesatnya perkembangan COVID-19, Pemerintah Indonesia telah melakukan vaksinasi yang telah dilaksanakan sejak 13 januari 2021 lalu, vaksinasi ini diprioritaskan untuk tenaga medis dan wilayah zona. Sejak Kemunculannya banyak pro dan kontra mengenai proses vaksinasi tersebut dan juga sempat menjadi trending topik di media social twitter pada tanggal 13 januari 2021. Salah satu media sosial yang paling banyak digunakan oleh masyarakat Indonesia adalah media sosial twitter, Menurut sumber We are Social tahun 2020, media sosial twitter berada di peringkat kelima dalam kategori media sosial yang sering digunakan dengan jumlah presentase pengguna sebesar 56% setelah Youtube, Whatsapp, Facebook dan juga Instagram. Hal ini menunjukkan adanya peluang sumber data yang sangat besar yang dapat dimanfaatkan untuk mengetauhui sentiment positif dan negatif masyarakat terkait, yang bermanfaat bagi pihak berkepentingan agar dapat melakukan evaluasi. Sehingga dapat melihat seberapa masyarakat yang setuju dan tidak setuju, Jika persentase masyarakat yang tidak setuju lebih banyak maka pemerintah harus melakukan sosialisasi yang lebih baik agar masyarakat dapat lebih mengerti dan tidak merasa takut terhadap vaksin tersebut. Penelitian ini bertujuan untuk mengetahui bagaimana sentiment publik terhadap kebijakan yang akan dilakukan pemerintah mengenai vaksin COVID-19 menggunakan metode Support Vector Machine dengan ekstraksi fitur tf-idf serta membandingkan kernel yang terdapat pada SVM, antara lain Linear, RBF, Polynomial, dan Sigmoid. Dengan pengujian yang nantinya akan dilihat bagaimana nilai accuracy, precision, Recall dan F1-Score.


Availability

No copy data


Detail Information

Series Title
-
Call Number
-
Publisher JURNAL INFORMATIKA: JURNAL PENGEMBANGAN IT : Indonesia.,
Collation
005
Language
Indonesia
ISBN/ISSN
2477-5126
Classification
NONE
Content Type
-
Media Type
-
Carrier Type
-
Edition
-
Subject(s)
Specific Detail Info
-
Statement of Responsibility

Other version/related

No other version available


File Attachment



Information


Web Online Public Access Catalog - Use the search options to find documents quickly