Classification of Sentiments on Twitter Opinions with The Keyword Sinovac Using Naive Bayes

Bagus Muhammad Akbar (Informatika, Universitas Pembangunan Nasional Veteran Yogyakarta)
Ahmad Taufiq Akbar (Informatika, Universitas Pembangunan Nasional Veteran Yogyakarta)
Rochmat Husaini (Informatika, Universitas Pembangunan Nasional Veteran Yogyakarta)

Seminar Nasional Informatika (SEMNASIF)
Vol 1, No 1 (2021): Inovasi Teknologi dan Pengolahan Informasi untuk Mendukung Transformasi Digital

Tujuan :Menerapkan metode analisis sentimen menggunakan metode Naïve Bayes pada opini twitter mengenai sentimen masyarakat terhadap vaksin covid-19, khususnya jenis sinovac.Metode: Valence Shifter-Lexicon based dan Data mining dengan algoritma Naïve Bayes untuk menentukan kategori sentimen tentang vaksin sinovacHasil : Analisis sentimen menggunakan metode Naïve Bayes menghasilkan 1433 (71,65%) sentimen positif, 403 (20,15%) sentimen negatif, dan 164 (8,2%) untuk sentimen netral. Sedangkan anaisis sentimen menggunakan metode Valence Shifter-lexicon based menghasilkan 903 (45,15%) sentimen positif, 437 (21,85%) sentimen negatif, dan sentimen netral sebesar 660 (33%).. Berdasarkan analisis sentimen dengan 2 metode tersebut, metode Naive bayes lebih signifikan dalam mengklasifikasikan sentimen. Disamping itu, Hasil penelitian ini juga mengisyaratkan bahwa kemunculan vaksin sinovac memberikan kesan positif di kalangan masyarakat.State of the Art:Metode yang digunakan dalam penelitian ini adalah 2 metode yakni Valence Shifter-lexicon based dan Naïve Bayes utuk menentukan sentimen masyarakat tentang vaksin sinovac. Sehingga lebih mengklarifikasi hasil analisis sentimen cenderung positif meskipun tidak dilakukan pelabelan secara manual.