Analisis Sentimen Vaksin Covid-19 Menggunakan Algoritma Naive Bayes dan Perbaikan Kata Levenshtein Distance

Fahmi Reza Prasastio (Universitas Pembangunan Nasional "Veteran" Yogyakarta)
Heriyanto Heriyanto (Universitas Pembangunan Nasional "Veteran" Yogyakarta)
Wilis Kaswidjanti (Universitas Pembangunan Nasional "Veteran" Yogyakarta)

Telematika : Jurnal Informatika dan Teknologi Informasi
Vol 19, No 1 (2022): Edisi Februari 2022

Tujuan: Mengetahui seberapa akurat penggunaan perbaikan kata metode Levenshtein Distance terhadap analisis sentimen vaksin Covid-19 menggunakan metode Naïve Bayes.Perancangan/metode/pendekatan: Menerapkan perbaikan kata Levenshtein Distance untuk preprocessing dan algoritma Naïve Bayes dalam melakukan analisis sentimen komentar masyarakat tentang vaksin Covid-19.Hasil: Dengan diterapkannya perbaikan kata pada dataset yang digunakan dapat meningkatkan akurasi dari model Naïve Bayes yang dibangun. Akurasi pengujian menggunakan data uji lama yang berjumlah 479 data meningkat dari 61% menjadi 71% dan pengujian dengan data uji baru yang berjumlah 100 data akurasi meningkat dari 59% menjadi 66%. Namun untuk klasifikasi data testing baru memperoleh akurasi yang cukup rendah walaupun data yang dites hanya berjumlah 100 data, hal ini disebabkan oleh sistem yang kurang mampu dalam melakukan klasifikasi data baru yang belum pernah dilakukan training sebelumnya.Keaslian/ state of the art: Penelitian ini menggunakan data dengan jumlah 2394 data yang berasal dari komentar akun Instagram Kemenkes RI. Untuk preprocessing dilakukan perbaikan kata dengan algoritma Levenshtein Distance dan untuk analisis komentar menggunakan algoritma Naïve Bayes dengan ekstraksi fitur TF-IDF.