<![CDATA[Infeksi yang disebabkan Sars-Cov-2 mengakibatkan pandemi penyakit pernafasan di seluruh dunia dan belum ada pengobatan yang pasti hingga saat ini. Pemberian vaksin adalah salah satu intervensi untuk mencegah penyakit ini. Di Indonesia, pemerintah mewajibkan untuk melakukan vaksinasi. Pemberian vaksin ini mendapatkan banyak tanggapan dari berbagai kalangan masyarakat. Efektivitas dan efek samping pasca pemberian vaksin serta status penggunaan darurat pada vaksin menjadi salah satu yang menjadi pro-kontra di masyarakat. Hal-hal tersebut yang melandasi penelitian ini sangat perlu untuk dilakukan. Penelitian akan memfokuskan pada analisis sentimen tentang vaksin COVID-19 dengan algoritma SVM. Namun, algoritma ini mempunyai kelemahan dalam pemilihan fitur parameter yang menyebabkan penurunan kinerja dari model yang dibangun. Penerapan fitur Particle Swarm Optimization (PSO) dapat ditambahkan untuk melakukan optimasi dengan pemilihan dan penyetingan fitur parameter. Berkaitan dengan dataset, penelitian ini membagi kedalam 2 sentimen yaitu positif dan negatif. Data yang digunakan berasal dari media sosial twitter dengan pencarian tweet yang mengandung kata vaksin COVID-19 sebanyak 646 tweet yang telah dipilih dengan opini positif sebanyak 57,93% dan negative sebanyak 42,07%. Pengujian dilakukan dengan 2 cara yaitu dengan split dan cross-validation. Pada pengujian cross-validation, penelitian ini menghasilkan akurasi yang tinggi pada K=15. Berturut-turut level akurasi dari SVM dan SVM-PSO adalah sebesar 76,52% dan 80,63%. Hasil akurasi tertinggi pada teknik split dicapai dengan rasio 1:9. Level akurasi pada SVM dan SVM-PSO, berturut-turut, adalah sebesar 83.30% dan 84.80%. Hal ini mengindikasikan bahwa penerapan PSO pada SVM mampu menaikkan level akurasi sebesar 4,11% dan 1,5% dengan pengujian cross-validation dan split, secara berturut-turut. Kata Kunci— Text Mining, Vaksin COVID-19, Twitter, Support Vector Machine, Particle Swarm Optimization.]]>
Copyrights © 2021
