Analisis Sentimen Persepsi Publik Mengenai PPKM Pada Twitter Berbasis SVM Menggunakan Python

Abstraksi

Covid-19 merupakan penyakit menular melalui mulut dan hidung seseorang yang terinfeksi saat sedang berbicara, batuk maupun bersin dan menyebar secara luas didunia sehingga ditetapkan sebagai pandemi. Banyak upaya pemerintah yang dilakukan untuk menekan penyebaran Covid-19, salah satunya adalah penerapan PPKM untuk wilayah Jawa dan Bali. Pemberlakuan PPKM ini menimbulkan pro-kontra antar masyarakat, ada yang setuju dan ada yang tidak setuju diberlakukannya PPKM. Oleh sebab itu peneliti melakukan penelitian sentimen masyarakat terhadap  pemberlakuan PPKM wilayah Jawa dan Bali. Komentar masyarakat diambil dari media sosial yaitu twitter berupa komentar positif dan negatif, kemudian data diolah menggunakan text editor Jupyter dan bahasa pemrograman Python serta menggunakan algoritma SVM. Penelitian ini memiliki tujuan apakah algoritma SVM dapat menjadi pengklasifikasi teks yang baik untuk analisis sentimen pemberlakuan PPKM, membandingkan Kernel pada SVM antara Kernel Linier dengan Kernel RBF, serta menilai apakah penerapan PPKM untuk wilayah Jawa dan Bali terbukti berhasil menekan angka penyebaran virus Covid-19. Algoritma SVM dengan kernel linier terbukti menjadi algoritma pengklasifikasi text yang baik pada analisis sentimen pemberlakuan PPKM wilayah Jawa dan Bali dengan nilai akurasi sebesar 86%. Serta Dilihat dari hasil analisis sentimen penerapan PPKM untuk wilayah Jawa dan Bali terbukti berhasil menekan angka penyebaran Covid-19.

Kata Kunci: PPKM, Algoritma SVM, Python

Bidang ilmu
Sistem Informasi

References

[1] 2021, Coronavirus disease (COVID-19). [Online]. Available: https://www.who.int/healthtopics/coronavirus#tab=tab_1. [Accessed: 04-Oct-2021].
[2] 2021, Instruksi Menteri Dalam Negeri Nomor 42 Tahun 2021. [Online]. Available:
https://covid19.go.id/p/regulasi/instruksi-menteri-dalam-negeri-nomor-42-tahun-2021.
[Accessed: 04-Oct-2021].
[3] Krisdiyanto T, 2021 Analisis Sentimen Opini Masyarakat Indonesia Terhadap Kebijakan PPKM pada Media Sosial Twitter Menggunakan Naïve Bayes Clasifiers J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf. 7, 1 p. 32–37.
[4] Fauziyyah A K, 2020 Analisis Sentimen Pandemi Covid19 Pada Streaming Twitter Dengan Text Mining Python J. Ilm. SINUS 18, 2 p. 31.
[5] Savitri N L P C Rahman R A Venyutzky R and Rakhmawati N A, 2021 Analisis Klasifikasi Sentimen Terhadap Sekolah Daring pada Twitter Menggunakan Supervised Machine Learning J. Tek. Inform. dan Sist. Inf. 7, 1 p. 47–58.
[6] Tineges R Triayudi A and Sholihati I D, 2020 Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM) J. Media Inform. Budidarma 4, 3 p. 650.
[7] Ferdiana R Jatmiko F Purwanti D D Ayu A S T and Dicka W F, 2019 Dataset Indonesia untuk Analisis Sentimen J. Nas. Tek. Elektro dan Teknol. Inf. 8, 4 p. 334.
[8] Suryono S and Taufiq Luthfi E, 2021 Analisis sentimen pada Twitter dengan menggunakan metode Naïve Bayes Classifier Jnanaloka p. 81–86.
[9] Oktavianto, Andri and S F P, 2021 Persepsi Publik Tentang Pembelajaran Daring di Indonesia: Studi Menggunakan ELK Stack dan Python untuk Analisis Sentimen di Twitter J. Tek. ITS 9, 2p. 170–175.
[10] 2021, About Jupyter. [Online]. Available: https://jupyter.org/about. [Accessed: 05-Oct-2021].
[11] Mehta P and Pandya S, 2020 A review on sentiment analysis methodologies, practices and applications Int. J. Sci. Technol. Res. 9, 2 p. 601–609.
[12] Tuhuteru H, 2020 Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine Inf. Syst. Dev. 5, 2 p. 7–13.
[13] Tanesab F I Sembiring I and Purnomo H D, 2017 Sentiment Analysis Model Based On Youtube Comment Using Support Vector Machine Int. J. Comput. Sci. Softw. Eng. 6, 8 p. 180–185.
[14] JUD, 2016 Pemrograman Python untuk Pemula Jubilee Enterprise.

[15] Darwis D Pratiwi E S and Pasaribu a F O, 2020 Penerapan Algoritma SVM Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia Edutic - Sci. J. Informatics Educ. 7, 1 p. 1–11.
[16] Basari A S H Hussin B Ananta I G P and Zeniarja J, 2013 Opinion mining of movie review using hybrid method of support vector machine and particle swarm optimization Procedia Eng.53 p. 453–462.
[17] Ernawati S Wati R Nuris N Marita L S and Yulia E R, 2020 Comparison of Naïve Bayes Algorithm with Genetic Algorithm and Particle Swarm Optimization as Feature Selection for Sentiment Analysis Review of Digital Learning Application J. Phys. Conf. Ser. 1641, 1.
[18] Deolika A Kusrini K and Luthfi E T, 2019 Analisis Pembobotan Kata Pada Klasifikasi Text Mining J. Teknol. Inf. 3, 2 p. 179.
[19] Fahmi A Ramadhan I Studi P Informasi S and Komputer F I, 2020 Analisis Sentiment Masyarakat Selama Bulan Ramadhan Dalam Menghadapi Pandemi Covid-19 J. Inform. dan Sist. Inf. 1, 1 p. 608–617.
[20] 2021, Support vector machines (SVMs). [Online]. Available:  https://scikitlearn.org/stable/modules/svm.html. [Accessed: 12-Oct-2021].
[21] Permana D S and Silvanie A, 2021 Prediksi Penyakit Jantung Menggunakan Support Vector Machine dan Python Pada Basis Data Pasien 2, 1 p. 29–34.

[22] Sun M, 2014, Support Vector Machine for Classification, in Encyclopedia of Business Analytics and Optimization, p. 2395–2409.