Analisis Sentimen Masyarakat Terhadap Kebijakan Pemerintah Vaksinasi Booster 2 Menggunakan Metode Naïve Bayes Classifier
Alma Syahrir(1*); Harlinda Harlinda(2); Fitriyani Umar(3);
(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(3) Universitas Muslim Indonesia
(*) Corresponding Author
AbstractUpaya yang dilakukan pemerintah salah satunya yaitu mewajibkan seluruh masyarakat untuk melakukan vaksinasi sebanyak tiga kali yaitu vaksinasi pertama, kedua, dan ketiga atau biasa disebut dengan vaksin booster. Namun dengan adanya kebijakan pemerintah terkait pelaksanaan vaksinasi booster yang terjadi di masyarakat khususnya vaksinasi booster dua yang merupakan vaksinasi lanjutan banyak menuai pro dan kontra ditengah masyarakat. Beragam pendapat dari masyarakat ada yang mendukung program ini dan sebagian yang lainnya menolak dengan berbagai alasan. Oleh karena itu, salah satu cara untuk mengetahui tanggapan masyarakat terkait kebijakan ini adalah melalui analisis sentimen. Analisis sentimen merupakan pengamatan yang dikelola berdasarkan pendapat, sentimen, evaluasi, sikap, dan perasaan orang lain terutama berdasarkan apa yang mereka tulis. Pendapat lain memaparkan bahwa analisis sentimen bertujuan untuk mengetahui dan memprediksi apa yang difikirkan seseorang berdasarkan informasi seperti opini baik bersifat negatif maupun positif. Penelitian ini bertujuan untuk mengetahui sentimen masyarakat terhadap kebijakan pemerintah vaksinasi booster 2 menggunakan metode Naive Bayes Classifier. Hasil penelitian menunjukkan hasil pengujian dengan menggunakan validation maka memperoleh nilai performance yaitu accuracy sebesar 86.84, precision sebesar 85.71% dan recall sebesar 90%.
KeywordsAccuracy; Naïve Bayes Classifier; Precision; Recall; Sentimen
|
Full Text:PDF |
Article MetricsAbstract view: 147 timesPDF view: 44 times |
Digital Object Identifierhttps://doi.org/10.33096/busiti.v4i4.1835 |
Cite |
References
A. Rozaqi, A. Triayudi, and R. T. Aldisa, “Analisis Sentimen Vaksinasi Booster Berdasarkan Twitter Menggunakan Algoritma Naïve Bayes dan K-NN,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 4, no. 1, p. 184, 2022, doi: 10.30865/json.v4i1.4907.
R. Pujianto, D. Yusup, and T. N. Padilah, “Analisis Sentimen Opini Publik Tentang Vaksin Booster Menggunakan Metode Support Vector Machine dan firefly Algorithm,” Jurnal Ilmiah Wahana Pendidikan, Desember, vol. 2022, no. 23, pp. 363–373, 2022.
D. T. Anggraeni, “Analisis Sentimen Vaksinasi Booster Covid-19 pada Platform Twitter Menggunakan Metode Naïve Bayes,” EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi, vol. 12, no. 2, p. 113, 2022, doi: 10.36448/expert.v12i2.2812.
R. T. Aldisa and P. Maulana, “Analisis Sentimen Opini Masyarakat Terhadap Vaksinasi Booster COVID-19 Dengan Perbandingan Metode Naive Bayes, Decision Tree dan SVM,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 1, pp. 106–109, 2022, doi: 10.47065/bits.v4i1.1581.
Merinda Lestandy, Abdurrahim Abdurrahim, and Lailis Syafa’ah, “Analisis Sentimen Tweet Vaksin COVID-19 Menggunakan Recurrent Neural Network dan Naïve Bayes,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 4, pp. 802–808, 2021, doi: 10.29207/resti.v5i4.3308.
W. A. Prabowo and C. Wiguna, “Sistem Informasi UMKM Bengkel Berbasis Web Menggunakan Metode SCRUM,” Jurnal Media Informatika Budidarma, vol. 5, no. 1, p. 149, 2021, doi: 10.30865/mib.v5i1.2604.
Y. Yunitasari and A. R. Putera, “Analisis Sentimen Masyarakat di Twitter Terkait Pandemi Covid-19,” Smatika Jurnal, vol. 11, no. 01, pp. 22–26, 2021, doi: 10.32664/smatika.v11i01.520.
T. Com, “Analisis Sentimen Mahasiswa Terkait Pembelajaran Tatap Muka Menggunakan Metode Na ?̈ ve Bayes Classifier,” vol. 21, no. 3, pp. 644–654, 2022.
F. F. Rachman and S. Pramana, “Analisis Sentimen Pro dan Kontra Masyarakat Indonesia tentang Vaksin COVID-19 pada Media Sosial Twitter,” Health Information Management Journal, vol. 8, no. 2, pp. 100–109, 2020.
B. M. Pintoko and K. M. L., “Analisis Sentimen Jasa Transportasi Online pada Twitter Menggunakan Metode Naive Bayes Classifier,” e-Proceeding of Engineering, vol. 5, no. 3, pp. 8121–8130, 2018.
T. Krisdiyanto, “Analisis Sentimen Opini Masyarakat Indonesia Terhadap Kebijakan PPKM pada Media Sosial Twitter Menggunakan Naïve Bayes Clasifiers,” Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi, vol. 7, no. 1, p. 32, 2021, doi: 10.24014/coreit.v7i1.12945.
N. M. A. J. Astari, Dewa Gede Hendra Divayana, and Gede Indrawan, “Analisis Sentimen Dokumen Twitter Mengenai Dampak Virus Corona Menggunakan Metode Naive Bayes Classifier,” Jurnal Sistem dan Informatika (JSI), vol. 15, no. 1, pp. 27–29, 2020, doi: 10.30864/jsi.v15i1.332.
L. B. Ilmawan and M. A. Mude, “Perbandingan Metode Klasifikasi Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Ulasan Tekstual di Google Play Store,” ILKOM Jurnal Ilmiah, vol. 12, no. 2, pp. 154–161, 2020, doi: 10.33096/ilkom.v12i2.597.154-161.
L. Syafie, F. Umar, A. Mude, H. Darwis, Herman, and Harlinda, “Missing Data Handling Using The Naive Bayes Logarithm (NBL) Formula,” IEEE Xplore, pp. 1–4, 2018.
L. Ma and D. B. Ajipratama, “in Indonesia on Twitter Using the LSTM Algorithm,” vol. 24, no. 2, pp. 161–172, 2022.
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Buletin Sistem Informasi dan Teknologi Islam (BUSITI)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.