<![CDATA[Penggunaan media sosial berkembang sangat pesat hingga sebuah informasi dalam bentuk apapun bisa viral (tersebar luas) dalam sekejap saja. Hal ini dikarenakan kebanyakan masyarakat telah memiliki telepon genggam baik dari usia anak-anak hingga dewasa. Masyarakat menggunakan media sosial twitter untuk berbagai kepentingan, antara lain memberi opini dan komentar. Terkait hal tersebut, dukungan dan penolakan juga banyak disampaikan dalam menanggapi program pemerintah untuk menangani pandemi COVID-19 (corona virus disease 2019) dengan mengadakan vaksinasi massal. Penelitian melakukan analisis dan klasifikasi adanya sentimen yang menggambarkan pandangan yang bersifat positif, negatif maupun netral masyarakat tentang covid-19 dengan menggunakan metode Naïve Bayes Classfier. Analisis dilakukan dengan mencari komposisi dataset yang relatif berimbang di antara kelas positif, negatif dan netral. Kombinasi tahapan teks preprocessing diselidiki untuk menghasilkan model NB yang memiliki performa terbaik dari data training, dan divalidasi menggunakan data development. Model final yang dipilih, menghasilkan akurasi 69,56% pada data development, kemudian diterapkan untuk menguji data testing yang belum pernah terlihat sebelumnya. Hasil akurasi yang diperoleh adalah 61% dengan F1-score sebesar 0,57. Pendekatan yang digunakan telah berhasil meningkatkan performa klasifikasi, karena berhasil mengidentifikasi kelas negatif dan positif dengan lebih baik, dibandingkan bila data digunakan apa adanya, tanpa melakukan balancing.]]>
Copyrights © 2022
