Sentimen Analisis Pandangan Masyarakat Terhadap Vaksinasi Covid 19 Menggunakan K-Nearest Neighbors

Dyah Apriliani, Ardi Susanto, Muhammad Fikri Hidayattullah, Ginanjar Wiro Sasmito

Abstract


Abstrak - Pandemi covid 19 yang terjadi sangat meresahkan masyarakat. Banyak masyarakat yang terpapar maupun kehilangan keluarga mereka karena virus ini. Untuk mencegah semakin menyebarnya virus covid 19, pemerintah menyelenggarakan program vaksinasi. Program vaksinasi yang dilakukan menuai pro dan kontra dari masyarakat. Berdasarkan permasalahan tersebut, maka dalam penelitian ini akan melakukan proses klasifikasi pandangan masyarakat terhadap vaksinasi Covid 19. Data penelitian yang digunakan diambil dari twitter sebanyak 2241 data. Data akan diklasifikasikan menjadi 2 kelas yaitu positif dan negatif. Proses klasifikasi akan dilakukan dengan menggunakan metode K-Nearest Neighbors (KNN).  Tahapan pertama yang dilakukan adalah pengambilan data dari twitter, pelabelan data, preprocesing data di phyton, pembobotan TF-IDF, pembuatan model, pengujian model dan evaluasi model. Dari penelitian ini didapatkan akurasi terbaik sebesar 79,25% dengan menggunakan parameter K-Fold 10 dan KNN 5.


Keywords


Analisis sentimen, vaksinasi, covid 19, KNN

Full Text:

References


C. Liu et al., “Research and Development on Therapeutic Agents and Vaccines for COVID-19 and Related Human Coronavirus Diseases,” ACS Cent. Sci., vol. 6, no. 3, pp. 315–331, Mar. 2020, doi: 10.1021/acscentsci.0c00272.

I. P. Sari and S. Sriwidodo, “Perkembangan Teknologi Terkini dalam Mempercepat Produksi Vaksin COVID-19,” Maj. Farmasetika, vol. 5, no. 5, p. 204, Aug. 2020, doi: 10.24198/mfarmasetika.v5i5.28082.

“PERATURAN PRESIDEN. REPUBLIK INDONESIA,” pp. 1–13, 2020.

N. Anggraini and H. Suroyo, “Comparison of Sentiment Analysis against Digital Payment ‘T-cash and Go-pay’ in Social Media Using Orange Data Mining,” J. Inf. Syst. Informatics, vol. 1, no. 2, pp. 152–163, Sep. 2019, doi: 10.33557/journalisi.v1i2.21.

E. S. Negara, R. Andryani, and P. H. Saksono, “Analisis Data Twitter: Ekstraksi dan Analisis Data G eospasial,” J. INKOM, vol. 10, no. 1, p. 27, Nov. 2016, doi: 10.14203/j.inkom.433.

A. Tripathy, A. Agrawal, and S. . Rath, “Classification of sentiment reviews using n-gram machine learning approach,” Expert Syst. Appl., vol. 57, pp. 117–126, 2016.

M. Adrian, J. Asian, B. Nazief, and H. E. Williams, “Stemming Indonesian : A Confi x-Stripping Approach, ACM Transactions on Asian Language Information Processing,” vol. 6, no. 4, pp. 1–33, 2007.

Herdiawan, “Analisis Sentimen Terhadap Telkom Indihome Berdasarkan Opini Publik Menggunakan Metode Improved K-Nearest Neighbor,” 2013, [Online]. Available: http://elib.unikom.ac.id/gdl.php?mod=browse&op=read&id=jbptunikompp-gdl-herdiawann-33861.

R. Sari, “ANALISIS SENTIMEN PADA REVIEW OBJEK WISATA DUNIA FANTASI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (K-NN),” EVOLUSI J. Sains dan Manaj., vol. 8, no. 1, Mar. 2020, doi: 10.31294/evolusi.v8i1.7371.

R. Al Habsi, R. A. D. Anggoro, and M. A. Valio, “ANALISIS SENTIMEN TERHADAP VAKSIN COVID-19 DI JEJARING SOSIAL TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES,” 2021.




DOI: https://doi.org/10.30591/jpit.v8i1.4759

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

JPIT INDEXED BY