ANALISIS SENTIMEN MASYARAKAT INDONESIA TERHADAP VAKSINASI COVID-19 PADA MEDIA SOSIAL TWITTER

ANALISIS SENTIMEN MASYARAKAT INDONESIA TERHADAP VAKSINASI COVID-19 PADA MEDIA SOSIAL TWITTER

• By WIDI ASTUTI;
• Tesis
• 372
• 1-74

Perkembangan teknologi sudah menjadi kebutuhan penting dalam dunia pendidikan, teknologi data mining salah satunya yang digunakan dalam bidang penelitian. Pada prosesnya data mining akan mengekstrak informasi yang berharga dengan cara menganalisis adanya pola-pola ataupun hubungan keterkaitan tertentu dari data- data yang berukuran besar. Salah satu perhatian wabah penyakit baru yang disebabkan oleh virus korona (2019-nCoV) atau yang biasa disebut dengan Covid-19 di tetapkan secara resmi sebagai pandemi global oleh World Health Organization (WFO) pada tanggal 11 Maret 2020. Dalam rangka memutus penularan Covid 19 pemerintah melakukan tindakan vaksinasi kepada penduduk indonesia. Pada periode pertama target vaksinasi yang akan di lakukan yaitu kepada tenaga kesehatan dengan jumlah 1,3 juta orang, petugas publik 17,4 juta orang dan 21,5 juta orang, penelitian ini mengambil data dari ulasan pengguna aplikasi Twitter dengan topik pembahasan vaksin covid-19. Data yang diolah hanya data teks dari ulasan aplikasi Twitter yang mengguanakan bahasa Indonesia. Menggunakan polaritas dari Textblob kelas sentimen yang digunakan kelas sentimen positif , negatif dan netral, dan metode data mining yang digunakan adalah SVM, Naive Bayes dan Logistic Regression. Adapun dari penelitian ini berupa pengetahuan sentimen di tengah masyarakat terhadap kegiatan vaksinasi, hasil dari penelitian ini mendapatkan 43% sentimen Posirif, 40,8% Negatif dan 16,2% negatif dengan pengujian terhadap algoritma klasifikasi akurasi Logistic Regression sebesar 86,85%, SVM 86,4%, dan Naive Bayes 40% dari hasil tersebut dapat dilihat bahwa masyarakat indonesia bersentimen positif terhadap vaksin covid-19.

• Katakunci SENTIMEN ANALISIS
• URL http://
• Penerbit -,

REFERENSI

S. Kasus, P. Pt, G. Gunadi, and D. I. Sensuse, “PENERAPAN METODE
DATA MINING MARKET BASKET ANALYSIS TERHADAP DATA
PENJUALAN PRODUK BUKU DENGAN MENGGUNAKAN
ALGORITMA APRIORI DAN FREQUENT PATTERN GROWTH ( FPGROWTH ) :,” vol. 4, no. 1, 2012.
[2] F. F. Rachman and S. Pramana, “Analisis Sentimen Pro dan Kontra
Masyarakat Indonesia tentang Vaksin COVID-19 pada Media Sosial
Twitter,” vol. 8, no. 2, pp. 100–109, 2020.
[3] I. Yolanda, “URGENSI PENGATURAN TRADING IN INFLUENCE
SEBAGAI SARANA PEMBANGUNAN MASYARAKAT,” vol. 6534,
2021.
[4] P. D. T. Susilo Daniel and J. C. Navarro, “Performance of Indonesian
Ministry of Health in Overcoming Hoax About Vaccination Amid the
COVID-19 Pandemic on Social Media,” vol. 5, no. 1, 2021.
[5] K. Keahlian and R. Data, “Analisis Sentimen Masyarakat Terhadap COVID-19 Pada Media Sosial,” vol. 1, no. 1, pp. 10–12, 2021.
[6] N. A. Hasibuan et al., “IMPLEMENTASI DATA MINING UNTUK
PENGATURAN LAYOUT,” vol. 4, no. 4, pp. 6–11, 2017.
[7] J. Nasional and S. Informasi, “PENERAPAN DATA MINING DALAM
PENGELOMPOKAN PENDERITA THALASSAEMIA,” vol. 02, pp. 299–
305, 2017.
[8] C. P. njar Wanto, Muhammad Noor Hasan Siregar, Agus Perdana Windarto,
Dedy Hartama, Ni Luh Wiwik Sri Rahayu Ginantra, Darmawan Napitupulu,
Edi Surya Negara, Muhammad Ridwan Lubis, Sarini Vita Dewi, Data
Mining : Algoritma dan Implementasi. 2020.
[9] “peranan data mining.pdf.” .
[10] F. Mart, L. Contreras-ochando, and N. Lachiche, “CRISP-DM Twenty Years

Later : From Data Mining Processes to Data Science Trajectories,” 2019.
[11] M. A. K-means, “Text Mining Untuk Analisis Sentimen Review Film,” vol.
16, no. 1, pp. 1–8, 2017.
[12] P. Ilmiah, F. Afshoh, P. S. Informatika, F. Komunikasi, D. A. N. Informatika,
and U. M. Surakarta, “ANALISA SENTIMEN MENGGUNAKAN NAÏVE
BAYES,” 2017.
[13] S. Ahuja, “Clustering and Sentiment Analysis on Twitter Data,” pp. 1–5,
2017.
[14] J. Grafika and N. Kampus, “STUDI LITERATUR TENTANG
PERBANDINGAN METODE UNTUK PROSES,” vol. 2016, no. Sentika,
pp. 18–19, 2016.
[15] E. Indrayuni, “No Title,” vol. 4, 2016.
[16] J. Soekarno, H. No, K. Lowokwaru, K. Malang, and J. Timur,
“IMPLEMENTASI SUPPORT VECTOR MACHINE PADA ANALISA,”
vol. 10, pp. 83–88, 2019.
[17] T. Young, D. Hazarika, S. Poria, and E. Cambria, “Recent Trends in Deep
Learning Based Natural Language Processing,” pp. 1–32.
[18] I. O. P. C. Series and M. Science, “Text Mining Pre-Processing Using Gata
Framework and RapidMiner for Indonesian Sentiment Analysis Text Mining
Pre-Processing Using Gata Framework and RapidMiner for Indonesian
Sentiment Analysis,” 2020.
[19] A. Makmun and S. F. Hazhiyah, “Kajian Pustaka TINJAUAN TERKAIT
PENGEMBANGAN VAKSIN COVID – 19 Fakultas Kedokteran
Universitas Muslim Indonesia Corresponding author e-mail :
[email protected] COVID-19,” vol. 13, 2020.
[20] N. Indriani, E. Rainarli, and K. E. Dewi, “Peringkasan dan Support Vector
Machine pada Klasifikasi Dokumen,” pp. 1–6, 2017.
[21] L. Songket, U. Glcm, I. M. Features, L. Discriminant, and A. Lda, “GLCM

DAN MOMENT INVARIANT DENGAN TEKNIK
PENGKLASIFIKASIAN LINEAR DISCRIMINANT ANALYSIS ( LDA
),” vol. 2, no. 2, pp. 173–183, 2020.
[22] J. Penelitian et al., “Prediksi Employee Churn Dengan Uplift Modeling
Menggunakan Algoritma Logistic Regression,” vol. 3, pp. 503–508, 2020.
[23] R. A. Saputra and P. P. Widodo, “KOMPARASI ALGORITMA
KLASIFIKASI DATA MINING UNTUK MEMPREDIKSI PENYAKIT
TUBERCULOSIS ( TB ): STUDI KASUS PUSKESMAS KARAWANG,”
2017.
[24] E. Manalu, F. A. Sianturi, and M. R. Manalu, “PENERAPAN ALGORITMA
NAIVE BAYES UNTUK MEMPREDIKSI JUMLAH PRODUKSI
BARANG BERDASARKAN DATA PERSEDIAAN DAN JUMLAH
PEMESANAN PADA CV . PAPADAN MAMA PASTRIES,” vol. 1, no. 2,
2017.
[25] F. Nurhuda and S. W. Sihwi, “Analisis Sentimen Masyarakat terhadap Calon
Presiden Indonesia 2014 berdasarkan Opini dari Twitter Menggunakan
Metode Naive Bayes Classifier,” vol. 2, no. 2, 2014.
[26] M. I. Aditama, R. I. Pratama, K. H. U. Wiwaha, and N. A. Rakhmawati,
“Analisis Klasifikasi Sentimen Pengguna Media Sosial Twitter Terhadap
Pengadaan Vaksin COVID-19,” Journal Information Engineering and
Educational Technology (JIEET), vol. 4, no. 2. pp. 90–92, 2020.
[27] A. Harun and D. P. Ananda, “Analisa Sentimen Opini Publik Tentang
Vaksinasi Covid-19 di Indonesia Menggunakan Naïve Bayes dan Decission
Tree,” vol. 1, no. April, pp. 58–63, 2021.
[28] Pristiyono, M. Ritonga, M. A. Al Ihsan, A. Anjar, and F. H. Rambe,
“Sentiment analysis of COVID-19 vaccine in Indonesia using Naïve Bayes
Algorithm,” IOP Conf. Ser. Mater. Sci. Eng., vol. 1088, no. 1, p. 012045,
2021.
[29] K. Garcia and L. Berton, “Topic detection and sentiment analysis in Twitter content related to COVID-19 from Brazil and the USA,” Appl. Soft Comput.,
vol. 101, p. 107057, 2021.
[30] S. V. Praveen, R. Ittamalla, and G. Deepak, “Analyzing the attitude of Indian
citizens towards COVID-19 vaccine – A text analytics study,” Diabetes
Metab. Syndr. Clin. Res. Rev., vol. 15, no. 2, pp. 595–599, 2021.
[31] S. Nurlela, T. Kurniawati, S. Masturoh, W. Widiastuti, and A. Suryadi,
“Laporan Akhir Penelitian: Sistem Pendukung Keputusan Penerima Bantuan
Program Keluarga Harapan Pada Desa Waru Dengan Metode SAW,”
Jakarta, 2020.