ANALISIS SENTIMEN VAKSIN COVID-19 MENGGUNAKAN EKSTRAKSI FITUR N-GRAM DAN ALGORITMA NAÏVE BAYES

Abstract

Pandemi COVID-19 yang menyebabkan bencana di bidang kesehatan, ekonomi, dan masyarakat. Vaksin adalah salah satu harapan untuk menghentikan pandemi COVID-19. Sejak pemerintah pertama kali meluncurkan vaksin Sinovac untuk COVID-19, banyak komentar dari masyarakat terhadap vaksin COVID-19 salah satunya media sosial twitter. Analisis sentimen dilakukan bertujuan untuk memahami opini masyarakat tentang kasus vaksin COVID-19. Pada penelitian ini melakukan perbandingan menggunakan fitur kata N-Gram berupa Unigram, Bigram, Trigram, dan kombinasi sebagai fitur kata kemudian dilakukan klasifikasi menggunakan metode Naïve Bayes. Data yang digunakan adalah data tweet dari twitter yang berjumlah 1000 data dan terdiri dari 2 kelas yaitu positif dan negatif dengan masing-masing kelas sebanyak 500 data. Hasil dari perbandingan fitur kata N-Gram tersebut, diperoleh bahwa performa akurasi yang tinggi dihasilkan ketika dilakukan kombinasi fitur N-Gram dengan hasil akurasi sebesar 84,1?ri 18096 fitur, Unigram menghasilkan akurasi 82,1?ri 1805 fitur, Bigram menghasilkan akurasi 79,9?ri 7496 fitur, sementara untuk Trigram menghasilkan akurasi 67,9?ri 8795 fitur. Sehingga penelitian ini memberikan hasil kinerja terbaik pada pengujian dengan menggunakan kombinasi fitur kata N-Gram.