Analisis Sentimen Data Tweets terhadap Penanganan Covid-19 di Indonesia menggunakan Metode Naive Bayes dan Pemilihan Kata Bersentimen menggunakan Lexicon Based

Abstrak

Twitter merupakan platform media sosial yang sangat populer di era milenial saat ini. Twitter banyak digunakan sebagai sarana untuk mengutarakan pendapat maupun kritik mengenai isu-isu yang sedang hangat dibicarakan. Pada awal bulan juli pemerintah telah melakukan upaya penanganan COVID-19 di Indonesia dengan menetapkan kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) Darurat. Kebijakan seperti itu sangat perlu dilakukan mengingat penyebaran virus COVID-19 masih tinggi, terutama di kota-kota besar. Namun disisi lain, pembatasan aktivitas sebagai bagian dari kebijakan tersebut memiliki dampak yang begitu besar bagi masyarakat, apalagi ditambah dilakukannya perpanjangan kebijakan tersebut yang membuat masyarakat jenuh karena merasa kesulitan untuk melakukan aktivitas. Untuk itu penelitian kali dilakukan analisis sentimen untuk melihat kecenderungan sentimen masyarakat selama berjalannya kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) Darurat di Indonesia dengan menggunakan metode klasifikasi Naive Bayes serta penambahan fitur Lexicon Based. Pemberian fitur Lexicon Based bertujuan untuk menyaring kata-kata bersentimen, sehingga pemrosesan data menjadi lebih cepat. Berdasarkan hasil pengujian yang didapatkan, melalui pembagian cross validation dengan pengujian confusion matrix didapatkan akurasi sebesar 0,75, precision 0,76, recall 0,76, dan f-measure 0,75. Penggunaan fitur stopword memberikan pengaruh pada hasil klasifikasi, karena penggunaan fitur stopword dapat menghilangkan sebagian term hasil dari fitur Lexicon Based yang menyebabkan berkurangnya variasi term sehingga hasil akurasi yang diperoleh lebih rendah dibandingkan tanpa menggunakan fitur stopword.