Jurnal Analisis Sentimen Tweet COVID-19 Di Indonesia Menggunakan Metode Algoritma TF-IDF

Kusuma Jakti, Sekar Arum
Anna Dina Kalifia

JUSS (Jurnal Sains dan Sistem Informasi)
Vol. 7 No. 1 (2024): Jurnal Sains dan Sistem Informasi

Analisis sentimen terhadap ulasan pengguna Twitter tentang COVID-19 di Indonesia telah menjadi topik penelitian yang penting dalam pemrosesan bahasa alami. Dalam penelitian ini, dataset tweet yang mengandung kata kunci #coronavirus dan #COVID-19 diambil dari Kaggle dan diproses menggunakan metode perhitungan TF-IDF untuk melakukan analisis sentimen. Metode ini melibatkan pengumpulan data dari Twitter, preprocessing dataset, dan analisis sentimen menggunakan algoritma TF-IDF. Hasil penelitian ini memberikan wawasan yang lebih jelas tentang sentimen masyarakat terkait COVID-19 di Indonesia berdasarkan data yang ditemukan di Twitter. Dengan menggunakan algoritma RapidMiner, penelitian ini dapat mengidentifikasi sentimen positif, negatif, atau netral dari tweet yang berkaitan dengan COVID-19 di Indonesia. Hasil analisis ini dapat memberikan informasi berharga bagi pemerintah dan masyarakat untuk memahami pandangan dan perasaan masyarakat terkait pandemi COVID-19. Selain itu, visualisasi WordCloud juga digunakan untuk menangkap esensi dari ulasan pengguna dan mengidentifikasi kata-kata kunci yang sering digunakan dalam ulasan tentang COVID-19 di Indonesia. Dengan demikian, penelitian ini memberikan kontribusi penting dalam memahami reaksi masyarakat dan perasaan mereka terhadap COVID-19 di Indonesia melalui platform Twitter.