ANALISIS SENTIMEN TERKAIT VAKSIN PADA MEDIA SOSIAL TWITTER MENGGUNAKAN TF-IDF DAN SUPPORT VECTOR MACHINE

Adam Yordan (2022), ANALISIS SENTIMEN TERKAIT VAKSIN PADA MEDIA SOSIAL TWITTER MENGGUNAKAN TF-IDF DAN SUPPORT VECTOR MACHINE . Skripsi, Universitas Samudra.

ABSTRAK

Penelitan ini bertujuan melakukan analisis sentimen terkait opini masyarakat yang terdapat pada media sosial twitter terkait kebijakan yang diterapkan oleh Pemerintah Indonesia yang memberlakukan vaksinasi kepada masyarakat indonesia, mengelompokkan opini tersebut kedalam kategori positif atau negatif dan mengukur tingkat akurasi, presisi, recall dan f1-score terhadap data yang yang telah diuji. Data yang digunakan dalam penelitian ini adalah hasil crawling pada media sosial twitter terkait vaksinasi di Indonesia dan hasil dari data tersebut adalah data yang berbentuk teks. Data tersebut akan diberikan label dan akan diolah menggunakan metode Term Frequency - Invers Document Frequency (TF-IDF) dan Support Vector Machine (SVM). Penelitian ini menggunakan beberapa skenario percobaan untuk mendapatkan akurasi terbaik diantaranya melakukan beberapa variasi pemisahan data latih dan data uji menjadi 4 kali percobaan dengan besaran masing-masing yang berbeda. Hasil penelitian ini menunjukkan pada saat melakukan beberapa skenario percobaan berbagai variasi pemisahan data latih dan data uji, akurasi tertinggi didapatkan pada saat melakukan pemisahan data 80:20 yaitu 80% dari data digunakan sebagai data latih dan 20% data digunakan saat pengujian. Hasil yang didapatkan adalah accuracy sebesar 81,3%, precission sebesar 85,9%, recall sebesar 66,1% dan f1-score sebesar 68,7%.

File ::(login required)