<![CDATA[Selama masa pandemi Covid-19 pemerintah telah mengeluarkan berbagai kebijakan dengan tujuan untuk mencegah penyebaran virus Covid-19. Twitter menjadi salah satu pilihan media sosial bagi masyarakat untuk menyampaikan aspirasi maupun sekedar berkomentar. Pada penelitian ini dilakukan analisis sentimen masyarakat terhadap kebijakan pemerintah selama pandemi Covid-19 di Indonesia pada media sosial twitter menggunakan algoritma Support Vector Machine (SVM) dan Naive Bayes. Penelitian ini membandingkan kinerja klasifikasi antar kedua algoritma tersebut. Metode yang digunakan adalah text mining terhadap data tweets pada twitter yang berkaitan dengan kebijakan pemerintah dalam masa pandemi Covid-19. Total dataset yang digunakan adalah 381 data dengan sentimen positif sebanyak 190 data dan sentimen negatif sebanyak 191 data. Keseluruhan dataset yang digunakan akan terbagi menjadi 80% sebagai data training dan 20% sebagai data testing. Evaluasi dari setiap algoritma dilakukan dengan menganalisis akurasi, f1 score, precision, dan recall. Hasil penelitian menunjukkan bahwa kedua algoritma tersebut memiliki timgkat akurasi yang baik, dengan perolehan akurasi sebesar 90,91% untuk Naïve Bayes dan 88,31% untuk SVM yang sedikit lebih rendah dibanding dengan lawannya. Hasil komparasi akurasi yang baik dari kedua algoritma ini dapat dijadikan pilihan dalam menyusun aplikasi analisis sentimen, sehingga dapat menjadi salah satu solusi bagi pemerintah untuk mempermudah evaluasi kebijakannya selama pandemi Covid-19.]]>
Copyrights © 2022
