Analisis Setimen Respon Masyarakat Terhadap Kabar Harian Covid-19 Pada Twitter Kementerian Kesehatan Dengan Metode Klasifikasi Naive Bayes

Eni Tri Handayani, Ari Sulistiyawati

Abstract


Kementerian Kesehatan Republik Indonesia berperan sebagai gugus terdepan dalam penanganan covid-19 di Indonesia selalu menyajikan kabar harian untuk menyediakan informasi mengenai kasus pandemi covid-19 perharinya melalui akun twitter milik Kementerian Kesehatan Republik Indonesia. Namun, tidak semua tweet harian yang diberikan oleh akun twitter Kementerian Kesehatan Republik Indonesia dapat dikonsumsi dan direspon masyarakat dengan selaras. Adapun masalah ini dapat diatasi dengan melakukan penelitian di bidang Analisis Sentiment, yang mana merupakan bidang penelitian yang berfokus kepada studi komputasi atas opini, tingkah laku, dan emosi terhadap suatu entitas yang dituangkan dalam bentuk teks. Penelitian ini dilakukan untuk mengetahui bagaimana hasil analisis sentimen terkait respon masyarakat dari kabar harian Covid-19 dari twitter Kementerian Kesehatan Republik Indonesia dan mengklassifikasikannya menjadi tiga kelas yaitu positif, negatif, dan netral menggunakan metode klasifikasi Naïve Bayes Classifier, sehingga penelitian ini diharapkan dapat menghasilkan sentimen dengan kelas yang cenderung positif, negatif, atau netral. Hasil dari kesimpulan penelitian ini nantinya dapat dilihat dalam bentuk grafik. Penelitian ini juga melakukan pengujian akurasi, pengujian precision, dan recall, f-1 score untuk memastikan ke akuratan dari penelitian.

Kata Kunci: Covid-19, Kemenkes RI, Analisis Sentiment, Text Mining, Klasifikasi Naive Bayes.


Full Text:

PDF

References


R. Fadilah and H. Kuswoyo, “Transitivity Analysis of News Reports on Covid-19 of Jakarta Post Press,” 2021.

Y. A. Rahman, “Vaksinasi Massal Covid-19 sebagai Sebuah Upaya Masyarakat dalam Melaksanakan Kepatuhan Hukum (Obedience Law),” Khazanah Huk., vol. 3, no. 2, pp. 80–86, 2021, doi: 10.15575/kh.v3i2.11520.

I. Mahfud and A. Gumantan, “Survey Of Student Anxiety Levels During The Covid-19 Pandemic,” Jp. jok (Jurnal Pendidik. Jasmani, Olahraga dan Kesehatan), vol. 4, no. 1, pp. 86–97, 2020.

A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,” J. Teknoinfo, vol. 14, no. 2, p. 115, 2020, doi: 10.33365/jti.v14i2.679.

N. Neneng, A. S. Puspaningrum, and A. A. Aldino, “Perbandingan Hasil Klasifikasi Jenis Daging Menggunakan Ekstraksi Ciri Tekstur Gray Level Co-occurrence Matrices (GLCM) Dan Local Binary Pattern (LBP),” SMATIKA J., vol. 11, no. 01, pp. 48–52, 2021.

M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter,” Smatika J., vol. 10, no. 02, pp. 71–76, 2020, doi: 10.32664/smatika.v10i02.455.

B. M. Pintoko and K. M. L., “Analisis Sentimen Jasa Transportasi Online pada Twitter Menggunakan Metode Naive Bayes Classifier,” e-Proceeding Eng., vol. 5, no. 3, pp. 8121–8130, 2018.

M. Bakri, “Penerapan Data Mining untuk Clustering Kualitas Batu Bara dalam Proses Pembakaran di PLTU Sebalang Menggunakan Metode K-Means,” vol, vol. 11, pp. 1–4, 2017.

L. N. Rani, “Klasifikasi Nasabah Menggunakan Algoritma C4.5 Sebagai Dasar Pemberian Kredit,” INOVTEK Polbeng - Seri Inform., vol. 1, no. 2, p. 126, 2016, doi: 10.35314/isi.v1i2.131.

R. R. SURYONO and B. Indra, “P2P Lending sentiment analysis in Indonesian online news,” in Sriwijaya International Conference on Information Technology and Its Applications (SICONIAN 2019), 2020, pp. 39–44.

M. A. Assuja and S. Saniati, “Analisis Sentimen Tweet Menggunakan Backpropagation Neural Network,” J. Teknoinfo, vol. 10, no. 2, pp. 48–53, 2016.

D. Darwis, E. S. Pratiwi, and A. F. O. Pasaribu, “Penerapan Algoritma Svm Untuk Analisis

Alita, D. (2017) Usulan Penelitian S2 Analisis Sentimen Pada Teks Berbahasa Indonesia Yang Memuat Emoticon Analisis Sentimen Pada Teks Berbahasa Indonesia Yang Memuat Emoticon.

Alita, D., Priyanta, S. And Rokhman, N. (2019) “Analysis Of Emoticon And Sarcasm Effect On Sentiment Analysis Of Indonesian Language On Twitter,” Journal Of Information Systems Engineering And Business Intelligence, 5(2), P. Doi: 10.20473/Jisebi.5.2.100-109.

Chatrina, Siregar, N., Ruli, A, Siregar, R. And Yoga,Distra,Sudirman,M.(2020) “Implementasi Metode Naive Bayes Classifier (Nbc) Pada Komentar Warga Sekolah Mengenai Pelaksanaan Pembelajaran Jarak Jauh (Pjj), ”Jurnal Teknologia, 3(1), Pp. 102–110. Available At: Https://Aperti.E Journal.Id/Teknologia/Article/View/67.

Feldman, R. And Sanger, J. (2007) The Text Minning Handbook.

Fitri, V. A., Andreswari, R. And Hasibuan, M. A. (2019) “Sentiment Analysis Of Social Media Twitter With Case Of Anti-Lgbt Campaign In Indonesia Using Naïve Bayes, Decision Tree, And Random Forest Algorithm,” Procedia Computer Science. Elsevier B.V., 161, Pp. 765–772 Doi: 10.1016/J.Procs.2019.11.181.

Haranto, F. Fat And Sari, B. W. (2019) “Implementasi Support Vector Machine Untuk Analisis Sentimen Pengguna Twitter Terhadap,” 15(2),Pp.171–176.Doi:10. 33480/Pilar.V15i2.699.

Isnain, A. R. Et Al. (2020) “Bidirectional Long Short Term Memory Method And Word2vec Extraction Approach For Hate Speech Detection,” Ijccs (Indonesian Journal Of Computing And Cybernetics Systems), 14(2), P. 169 Doi: 10.22146/Ijccs.51743.




DOI: https://doi.org/10.33365/jtsi.v2i3.906

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Eni Tri Handayani

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JURNAL Teknologi dan Sistem Informasi (JTSI)
Published by Universitas Teknokrat Indonesia
Organized by Prodi S1 Sistem Informasi FTIK Universitas Teknokrat Indonesia

W: http://jim.teknokrat.ac.id/index.php/sisteminformasi
E : jtsi@teknokrat.ac.id.
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhan Ratu, Bandarlampung

Creative Commons License
Jurnal Teknologi dan Sistem Informasi is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.