Analisis Sentimen Menggunakan Metode Naïve Bayes Untuk Mengetahui Respon Masyarakat Terhadap Vaksinasi
Article Sidebar
Main Article Content
Abstract
Media sosial merupakan suatu media yang sulit untuk lepas dari kehidupan sehari-hari saat ini, dimana setiap orang dapat dengan bebas berekspresi dan mengeluarkan isi pikirannya secara meluas di internet, dalam menghadapi pandemi COVID-19, Vaksinasi merupakan hal yang wajib dilakukan sebagai salah satu untuk memutuskan rantai penyebaran virus COVID-19, oleh karena itu informasi yang tersebar di media sosial mengenai vaksinasi juga perlu terjaga untuk mengurangi kekhawatiran masyarakat terhadap pandemi serta menjaga kelancaran vaksinasi yang sedang berjalan. Untuk mengetahui hal tersebut, diperlukan suatu studi analisis sentimen mengenai tanggapan masyarakat mengenai “vaksinasi”, dengan penelitian yang dilakukan ini untuk mengetahui bagaimana tanggapan masyarakat terhadap vaksinasi didapatkan bahwa banyak masyarakat yang mendukung serta menerima dengan baik vaksinasi dan hanya sedikit masyarakat yang menolak vaksinasi, pengukuran confusion matrix pada hasil klasifikasi juga dilakukan dengan hasil accuracy 84%, precision 95%, recall 85%, dan specificity 80%.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
P. Kaviani dan S. Dhotre, “Short Survey on Naive Bayes Algorithm,” Int. J. Adv. Eng. Res. Dev., vol. 4, no. 11, hal. 607–611, 2017, doi: 10.21090/ijaerd.40826.
L. Dey, S. Chakraborty, A. Biswas, B. Bose, dan S. Tiwari, “Sentiment Analysis of Review Datasets Using Naïve Bayes‘ and K-NN Classifier,” Int. J. Inf. Eng. Electron. Bus., vol. 8, no. 4, hal. 54–62, 2016, doi: 10.5815/ijieeb.2016.04.07.
N. Deepa, J. Sathya Priya, dan T. Devi, “Towards applying internet of things and machine learning for the risk prediction of COVID-19 in pandemic situation using Naive Bayes classifier for improving accuracy,” Mater. Today Proc., vol. 62, hal. 4795–4799, 2022, doi: 10.1016/j.matpr.2022.03.345.
M. Artur, “Review the performance of the Bernoulli Naïve Bayes Classifier in Intrusion Detection Systems using Recursive Feature Elimination with Cross-validated selection of the best number of features,” Procedia Comput. Sci., vol. 190, no. 2019, hal. 564–570, 2021, doi: 10.1016/j.procs.2021.06.066.
B. Laurensz dan Eko Sediyono, “Analisis Sentimen Masyarakat terhadap Tindakan Vaksinasi dalam Upaya Mengatasi Pandemi Covid-19,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 10, no. 2, hal. 118–123, 2021, doi: 10.22146/jnteti.v10i2.1421.
S. Finandra, Murahartawaty, dan F. Hamami, “Penerapan Analisis Sentimen Melalui Data Instagram Untuk Mengetahui Reputasi Wisata Kuliner Di Kota Bandung Menggunakanmetode Klasifikasi Naïve Bayes,” e-Proceeding Eng. , vol. 8, no. 5, hal. 9382–9391, 2021.
A. P. Widyassari dan P. E. Suryani, “Komparasi Metode Naïve Bayes dan SAW untuk Pemilihan Penerimaan Insentif Karyawan,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 3, no. 02, hal. 149–159, 2021, doi: 10.46772/intech.v3i02.555.
E. R. Setyaningsih dan I. Listiowarni, “Categorization of Exam Questions based on Bloom Taxonomy using Naïve Bayes and Laplace Smoothing,” 3rd 2021 East Indones. Conf. Comput. Inf. Technol. EIConCIT 2021, hal. 330–333, 2021, doi: 10.1109/EIConCIT50028.2021.9431862.
V. A. Fitri, R. Andreswari, dan M. A. Hasibuan, “Sentiment analysis of social media Twitter with case of Anti-LGBT campaign in Indonesia using Naïve Bayes, decision tree, and random forest algorithm,” Procedia Comput. Sci., vol. 161, hal. 765–772, 2019, doi: 10.1016/j.procs.2019.11.181.
R. A. Stine, “Sentiment Analysis,” Annu. Rev. Stat. Its Appl., no. November 2018, hal. 70, 2018, doi: 10.1145/945645.945658.
B. Keith Norambuena, E. F. Lettura, dan C. M. Villegas, “Sentiment analysis and opinion mining applied to scientific paper reviews,” Intell. Data Anal., vol. 23, no. 1, hal. 191–214, 2019, doi: 10.3233/IDA-173807.
E. H. Yossy, Y. Heryadi, dan Lukas, “Comparison of Data Mining Classification Algorithms for Student Performance,” TALE 2019 - 2019 IEEE Int. Conf. Eng. Technol. Educ., hal. 6–9, 2019, doi: 10.1109/TALE48000.2019.9225887.
M. Thangaraj dan M. Sivakami, “Text classification techniques: A literature review,” Interdiscip. J. Information, Knowledge, Manag., vol. 13, hal. 117–135, 2018, doi: 10.28945/4066.
H. Parveen dan S. Pandey, “Sentiment analysis on Twitter Data-set using Naive Bayes algorithm,” Proc. 2016 2nd Int. Conf. Appl. Theor. Comput. Commun. Technol. iCATccT 2016, hal. 416–419, 2017, doi: 10.1109/ICATCCT.2016.7912034.
Abdillah, Wildan F., Agyztia Premana, and RM Herdian Bhakti. "Analisis Sentimen Penanganan Covid-19 dengan Support Vector Machine: Evaluasi Leksikon dan Metode Ekstraksi Fitur." Jurnal Ilmiah Intech: Information Technology Journal of UMUS 3.02 (2021): 160-170.
C. D. Manning, P. Raghavan, dan H. Schutze, Introduction to Modern Information Retrieval (2nd edition), vol. 53, no. 9. 2009.
R. A. Laksono, K. R. Sungkono, R. Sarno, dan C. S. Wahyuni, “Sentiment analysis of restaurant customer reviews on tripadvisor using naïve bayes,” Proc. 2019 Int. Conf. Inf. Commun. Technol. Syst. ICTS 2019, hal. 49–54, 2019, doi: 10.1109/ICTS.2019.8850982.