1. Analisis Sentimen New Normal Pada Masa Covid-19 Menggunakan Algoritma Naive Bayes Classifier
- Author
-
Daniel Riano Kaparang, Shania Kaparang, and Vivi Pegie Rantung
- Subjects
Government ,Recall ,business.industry ,Computer science ,Sentiment analysis ,Public policy ,Crawling ,computer.software_genre ,Naive Bayes classifier ,Bayes' theorem ,Artificial intelligence ,business ,computer ,Natural language processing ,Meaning (linguistics) - Abstract
Dampak dari pandemi covid-19 begitu besar sehingga pemerintah harus memiliki kebijakan agar dapat mengurangi dampaknya. Salah satu kebijakan pemerintah yaitu new normal yang mewajibkan seluruh masyarakat untuk pakai masker, jaga jarak dan cuci tangan. Dalam penerapannya tentu ada sentimen-sentimen baik positif maupun negatif yang diunggah ke dalam Twitter. Penelitian ini bertujuan untuk membuat pemodelan analisis sentimen masyarakat mengenai kebijakan new normal pemerintah pada masa pandemi covid-19 di Indonesia. Tahapan penelitian ini yakni crawling data, labeling, penghapusan data netral, preprocessing, pembagian training data dan testing data, pembuatan sistem klasifikasi naïve bayes, uji coba sistem dan visualisasi hasil penelitian dengan menggunakan wordcloud. Performa sistem klasifikasinya antara lain, tingkat akurasi 80,37%, presisi 87,38%, recall 82,57% dan f-measure 84,91%. Hasil dari penelitian ini yaitu 5194 tweets terklasifikasi sentimen positif dan 2908 tweets terklasifikasi sentiment negative, hal ini menunjukkan bahwa sentimen positif lebih banyak daripada sentimen negatif. Tetapi dari jumlahnya bisa dilihat bahwa perbandingannya tidak terlalu jauh antara sentimen positif dan sentimen negatif, artinya ada respon masyarakat yang masih kurang terhadap kebijakan pemerintah new normal pada masa pandemi.
- Published
- 2021
- Full Text
- View/download PDF