Sentimen Analisis Terkait “Lockdown” pada Sosial Media Twitter

Muhammad Dwison Alizah; Arifin Nugroho; Ummu Radiyah; Windu Gata

doi:10.22303/csrid.12.3.2020.143-149

Sentimen Analisis Terkait “Lockdown” pada Sosial Media Twitter

Muhammad Dwison Alizah, Arifin Nugroho, Ummu Radiyah, Windu Gata

Sari

Covid-19 telah ditetapkan sebagia Pandemi oleh World Health Organization (WHO). Salah satu antisipasi yang bisa dilakukan adalah dengan melakukan lockdown. Pada penelitian ini, akan disampaikan mengenai pembuatan pemodelan prediksi terkait analisa sentimen terkait “Lockdown” pada media sosial Twitter. Metode yang digunakan adalah dengan melakukan labeling menggunakan Vader dan selanjutnya tweet dilakukan ekstraksi menggunakan TF-IDF, dan dibuatkan pemodelan untuk prediksi sentimen menggunakan Naïve Bayes dan Support Vector Machine. Hasilnya yang didapat dari kedua algoritma tersebut ialah lebih dari 80%.

Kata Kunci

Covid-19; lockdown; TF-IDF; Naïve Bayes; Support Vector Machine

Teks Lengkap:

PDF

Referensi

D. Cucinotta and M. Vanelli, “WHO declares COVID-19 a pandemic,” Acta Biomedica. 2020.

H. Lau et al., “The positive impact of lockdown in Wuhan on containing the COVID-19 outbreak in China,” J. Travel Med., 2020.

“Text Mining Dan Sentimen Analisis Twitter Pada Gerakan Lgbt,” Intuisi J. Psikol. Ilm., vol. 9, no. 1, pp. 18–25, 2017.

G. A. Buntoro et al., “Analisis Sentimen Opini Publik Bahasa Indonesia Terhadap Wisata Tmii Menggunakan Naïve Bayes Dan Pso,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 3, no. 1, pp. 1–10, 2019.

F. Pramono, Didi Rosiyadi, and Windu Gata, “Integrasi N-gram, Information Gain, Particle Swarm Optimation di Naïve Bayes untuk Optimasi Sentimen Google Classroom,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 383–388, 2019.

Y. Ma and G. Guo, Support vector machines applications. 2014. [7] Bustami, “Penerapan Algoritma Naive Bayes,” J. Inform., 2014.

E. Frank, L. Trigg, G. Holmes, and I. H. Witten, “Naive Bayes for Regression,” Mach. Learn., vol. 41, no. 1, pp. 5–25, 2000.

A. Azevedo and M. F. Santos, “KDD, semma and CRISP-DM: A parallel overview,” in MCCSIS’08 - IADIS Multi Conference on Computer Science and Information Systems; Proceedings of Informatics 2008 and Data Mining 2008, 2008.

P. A. Wardhani, Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 4th ed., vol. 6. Pearson, 2015

DOI: http://dx.doi.org/10.22303/csrid.12.3.2020.143-149