ANALISIS SENTIMEN TERHADAP OPINI MASYARAKAT TERKAIT VAKSINASI COVID-19 PADA TWITTER DENGAN ALGORITMA RANDOM FOREST CLASSIFIER DAN INFORMATION GAIN

Wahyudi, Mitha Maharani (2021) ANALISIS SENTIMEN TERHADAP OPINI MASYARAKAT TERKAIT VAKSINASI COVID-19 PADA TWITTER DENGAN ALGORITMA RANDOM FOREST CLASSIFIER DAN INFORMATION GAIN. Sarjana thesis, Universitas Siliwangi.

	Text 1.COVER.pdf Download (21kB)
	Text 4. ABSTRAK.pdf Download (33kB)
	Text 2. LEMBAR PENGESAHAN TUGAS AKHIR.pdf Download (31kB)
	Text 7. DAFTAR ISI, TABEL, GAMBAR, LAMPIRAN.pdf Download (49kB)
	Text 8. BAB I.pdf Download (125kB)
	Text 9. BAB II.pdf Download (334kB)
	Text 10. BAB III.pdf Download (136kB)
	Text 11. BAB IV.pdf Restricted to Repository staff only Download (664kB)
	Text 12. BAB V.pdf Restricted to Repository staff only Download (35kB)
	Text 13. DAFTAR PUSTAKA.pdf Download (111kB)

Abstract

ABSTRAK COVID-19 kembali meningkat, di Indonesia pada bulan Januari 2021 sampaiFebruari 2021 tercatat 1.217.468 orang yang terkonfirmasi positif virus corona. Karena peningkatan angka tersebut, pemerintah melakukan upaya pencegahan yang salah satunya adalah dengan pendistribusian vaksin. Upaya Vaksinasi Covid-19 yang dilakukan oleh pemerintah memberikan pengaruh luas pada kalangan masyarakat melalui media sosial (khususnya Twitter) yang kemudian memunculkan pro dan kontra. Oleh karena itu, dibutuhkan analisis sentimen untuk memprediksi kecenderungan opini masyarakat terkait kebijakan vakasinasi Covid�19 yang diklasifikasikan menjadi opini positif, netral, dan negatif . Random Forest Classifier lemah dalam tingkat keakuratan akurasi, sehingga membutuhkan fitur seleksi yaitu dengan menerapkan Information Gain yang dapat meningkatkan akurasi. Hasil penelitian menunjukkan penerapan Information Gain dapat meningkatkan akurasi dengan akurasi tertinggi didapatkan pada percobaan 1 sebesar 0.00747 yaitu 0.94776 dari 0.94029 dengan nilai precision sebesar 65%, recall 43% dan f1-score 47% serta memiliki kecenderungan opini netral pada cuitan masyarakat mengenai vaksinasi Covid-19 pada Twitter. Kata Kunci: Analisis Sentimen, COVID-19, Information Gain, Random Forest Classifier, Twitter, Vaksinasi.

Actions (login required)

View Item