<![CDATA[Sejak penyebaran Virus Corona, banyak masyarakat yang mengutarakan pendapatnya melalui media social Twitter dalam menanggapi penyebaran Virus Corona. Berbagai opini yang diutarakan masyarakat dapat menjadi sebuah acuan untuk mengetahui Sentimen Masyarakat terhadap Virus Corona. Diperlukan analisis sentiment untuk mengetahui sentiment opini yang muncul pada social media. Tujuan penelitian ini adalah untuk mengetahui implementasi dan tingkat akurasi dari metode Naïve Bayes dan K-Nearest Neighbor. Data yang digunakan diambil dari twitter mengenai Virus Corona. Jumlah data yang digunakan sebanyak 2000 data tweet. Dokumen dengan sentiment positif yaitu 1320 dan dokumen dengan sentiment negative yaitu 689. Data yang terkumpul akan dibagi untuk digunakan sebagai Data Latih dan Testing untuk proses klasifikasi. Implementasi Naïve Bayes dan KNN dalam analisis sentimen masyarakat terhadap virus corona, dimulai dari tahap preprocessing data yang terdiri Normalisasi data (menghilangkan URL dan username), Case Folding (mengubah semua huruf menjadi huruf kecil), Tokenizing (memilih menjadi beberapa kata), Stopword Removal (menghilang kata yang sering muncul), serta stemming (mengubah sebuah kata menjadi bentuk umumnya). Setelah melalui tahap preprocessing, kemudian dilakukan tahap pembobotan TF-IDF. Hasil dari pembobotan TF-IDF akan diklasifikasi menggunakan metode Naïve Bayes dan KNN, sehingga nanti akan mendapatkan hasil perbandingan klasifikasi dari kedua metode tersebut. Hasil klasifikasi menggunakan metode Naïve Bayes diperoleh akurasi sebesar 0.83 dan error rate sebesar 0.17. Sedangkan untuk hasil klasifikasi menggunakan metode KNN diperoleh akurasi sebesar 0.78 dan error rate sebesar 0.21. Perbandingan perfomansi metode Naïve Bayes dan KNN menunjukkan bahwa Naïve Bayes lebih baik dalam mengklasifikasikan data Covid-19. Kata kunci: Virus Corona, COVID-19, Twitter, Analisis Sentimen, Naïve Bayes, K-Nearest Neightbor]]>
Copyrights © 2025
