ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP KEBIJAKAN PEMBERLAKUAN PEMBATASAN SOSIAL BERSKALA BESAR (PSBB) DENGAN METODE NAÏVE BAYES

Faisal Al isfahani, Rifki Mubarok

Abstract


Negara-negara di seluruh dunia sedang menghadapi tantangan luar biasa dalam menerapkan berbagai tindakan untuk memperlambat penyebaran virus corona. Penyakit yang ditimbulkan oleh Novel Corona Virus (NCov 19) merupakan penyakit menular yang disebabkan oleh SARS-COV-2 ini telah menjadi pandemi di tahun 2019-2020. Hingga tanggal 15 mei 2020 tercatat pasien dengan status terkonfirmasi positif Covid-19 berjumlah 16.469, sebanyak 3.803 kasus sembuh, dan 1.076 korban meninggal. PSBB atau lockdown partial merupakan salah satu intervensi yang dilakukan pemerintah setelah sebelumnya mengimbau masyarakat untuk menjaga jarak. Masyarakat kerap kali memberikan opini atau komentar terkait dengan kebijakan pemberlakun PSBB yang disampaikan melalui berbagai media sosial seperti Twitter. Tujuan dari penelitian ini untuk melakukan sentiment analisis terkait penerapan PSBB pada media sosial khususnya Twetter. Tweet terkait opini PSBB diunduh secara otomatis melalui tools twitter scraper, preprocessing dan klasifikasi menggunakan metode naive bayes. Hasil percobaan pada penelitian dari data twitter terkait PSBB diperoleh sentiment positif, negatif dan neutral dengan nilai akurasi rata 58.2%


Full Text:

PDF (19-24)

References


“Bagaimana Sejarah Perkembangan Website dalam Dunia Teknologi Informasi ? | Harmoni Permata.” https://harmonipermata.com/bagaimana-sejarah-perkembangan-website-dalam-dunia-teknologi-informasi/ (accessed Mar. 03, 2020).

L. Ardiani and H. Sujaini, “Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak Implementation of Sentiment Analysis of Community Responses to Development in Pontianak City,” vol. 8, no. 2, pp. 44–51, 2020, doi: 10.26418/justin.v8i2.36776.

A. Rachmat C and Y. Lukito, “Klasifikasi Sentimen Komentar Politik dari Facebook Page Menggunakan Naive Bayes,” J. Inform. dan Sist. Inf. Univ. Ciputra, vol. 02, no. 02, pp. 26–34, 2016, doi: 10.1080/10408398.2013.809690.

R. Reza El Akbar, R. N. Shofa, M. I. Paripurna, and Supratman, “The Implementation of Naïve Bayes Algorithm for Classifying Tweets Containing Hate Speech with Political Motive,” ICSECC 2019 - Int. Conf. Sustain. Eng. Creat. Comput. New Idea, New Innov. Proc., no. December 2018, pp. 144–148, 2019, doi: 10.1109/ICSECC.2019.8907208.

V. Corona, “Analisis Berita Hoax Covid - 19 Di Media Sosial Di,” Intelektiva J. Ekon. Sos. Hum., vol. 01, no. 09, pp. 60–73, 2020.

P. Dan, P. Serta, and K. Pemerintah, “Dampak Pandemi Novel-Corona Virus Disiase ( Covid-19 ) Terhadap,” vol. 6, no. 1, pp. 39–49, 2020.

G. tugas percepatan penanganan COVID-19, “No Title,” 2020. https://covid19.go.id/p/berita/pasien-sembuh-covid-19-kembali-naik-jadi-3803-kasus-positif-bertambah-490-orang (accessed May 15, 2020).

Kompas, “3 Salah Kaprah Penerapan PSBB di Indonesia dan Solusinya.” https://www.kompas.com/sains/read/2020/04/24/183327323/3-salah-kaprah-penerapan-psbb-di-indonesia-dan-solusinya (accessed May 16, 2020).

Tirto, “Bagaimana PSBB Seharusnya Mencegah Penyebaran Corona Tanpa Lockdown - Tirto.ID.” https://tirto.id/bagaimana-psbb-seharusnya-mencegah-penyebaran-corona-tanpa-lockdown-eMVn (accessed May 16, 2020).

S. Fanissa, M. A. Fauzi, and S. Adinugroho, “Analisis Sentimen Pariwisata di Kota Malang Menggunakan Metode Naive Bayes dan Seleksi Fitur Query Expansion Ranking | Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 8, pp. 2766–2770, 2018, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/1962.

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, doi: 10.1074/jbc.M209498200.

B. W, I. Riski, K. Dwi, R. Nooraeni, T. Siahaan, and Y. Dhea, “Analisis Text Mining dari Cuitan Twitter Mengenai Infrastruktur di Indonesia dengan Metode Klasifikasi Naïve Bayes,” Eig. Math. J., vol. 1, no. 2, p. 92, 2019, doi: 10.29303/emj.v1i2.36.

P. H. Saputro, M. Aristin, and Dy. L. Tyas, “Klasifikasi Lagu Daerah Indonesia Berdasarkan Lirik Menggunakan Metode TF-IDF,” J. Teknoloi Inform. dan Terap., vol. 4, no. 1, pp. 45–50, 2017.

D. P. Artanti, A. Syukur, A. Prihandono, and D. R. I. M. Setiadi, “Analisa Sentimen Untuk Penilaian Pelayanan Situs Belanja Online Menggunakan Algoritma Naïve Bayes,” pp. 8–9, 2018.


Refbacks

  • There are currently no refbacks.