Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Riset Mahasiswa
Abdul Rohim
Universitas Dian Nuswantoro
Computer Science & IT Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Teks Twitter Menggunakan Algoritma Naïve Bayes untuk Analisis Sentimen Penggunaan Vaksin Covid-19 Abdul Rohim; Amiq Fahmi
Prosiding Seminar Riset Mahasiswa Vol 1, No 1: Maret 2023
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pandemi Covid-19 berdampak buruk terutama pada sektor kesehatan, ekonomi, dan pendidikan. Pemerintah Indonesia melakukan pencegahan dengan melakukan vaksin dosis ke-1 dan ke-2. Namun, dinilai masih kurang efektif untuk menghambat penyebaran virus. Selanjutnya diperkuat dengan melakukan vaksin ke 3 (booster). Tujuan dari penelitian ini untuk menganalisis sentimen pada masyarakat mengenai pelaksanaan vaksin booster. Analisis ini untuk membantu stakeholder dalam memahami sentimen masyarakat baik positif, netral, maupun negatif. Data yang digunakan sebanyak 1.122 tweet dengan menggunakan kata kunci "vaksin booster dan covid". Pada penelitian ini, kami menggunakan algoritma Naïve Bayes untuk prediksi sentimen analisis. Dataset untuk pelatihan dan pengujian sebesar 90% (1.009) dan tes 10% (113). Hasil eksperimen menghasilkan akurasi prediksi sebesar 72%, precission 68%, recall 74%, F1-score 70%, dan nilai AUC/ROC 82%. Hasil analisis sentimen "netral" sebanyak 518 (46.2 %), "positif" sebanyak 437 (38.9%), dan "negatif" sebanyak 167 (14.9%). Hasil dapat diartikan bahwa Algoritma Naïve Bayes memiliki performa klasifikasi yang baik untuk target sentimen multi-kelas.Keyword: Analisis Sentimen, Text mining, Naïve Bayes, Vaksin Booster, Covid-19.
Co-Authors Fahmi Amiq