., Very
Unknown Affiliation

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

Found 1 Documents
Search

Analisis Ancaman COVID-19 Varian XBB di Indonesia Pada Jejaring Media Sosial Twitter Menggunakan Text Mining Purnajaya, Akhmad Rezki; ., Very; Noverio, Oscar; Alvaro, Charlos
JITTER : Jurnal Ilmiah Teknologi dan Komputer Vol 4 No 1 (2023): JITTER, Vol.4, No.1, April 2023
Publisher : Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (272.599 KB) | DOI: 10.24843/JTRTI.2023.v04.i01.p02

Abstract

Semakin cepatnya mutasi penyakit Covid-19 menyebabkan munculnya subvarian baru yang dikenal varian XBB pertama kali di Afrika Selatan pada tanggal 24 November 2021. Subvarian ini memiliki kekhasan khusus daripada subvarian lain dalam kecepatan penyebarannya yang sangat cepat, tetapi sebagian besar gejala yang didampakkan masih skala ringan. Hal ini menyebabkan kepanikan kembali oleh masyarakat Indonesia yang telah kembali melakukan aktivitas outdoor dengan normal dengan munculnya subvarian ini. Oleh karena itu penelitian ini bertujuan untuk menganalisis ancaman subvarian COVID-19 bernama XBB di Indonesia yang paling banyak dibicarakan orang di media sosial Twitter. Penelitian ini menggunakan metode Text Mining. Model yang digunakan dalam penelitian ini bervariasi, seperti matriks, word cloud, dan hierarchical clustering. Hasilnya menunjukkan bahwa dua kota di Indonesia terancam varian baru XBB yaitu Kota Bogor, Jawa Barat dan Kota Batam, Kepulauan Riau. Ditambah hasil analisa menunjukkan pemerintah Indonesia memberikan respon cepat untuk mencegah penyebaran dari subvarian XBB ini.