ANALISIS PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE, NAÏVE BAYES DAN RANDOM FOREST PADA ANALISA SENTIMEN (STUDI KASUS: KEBIJAKAN PEMERINTAH TERKAIT VAKSINASI COVID-19)

Topik Covid-19 telah menjadi perbincangan dalam media sosial. Salah satu kebijakan yang telah ditetapkan adalah dengan penerapan Physical Distancing dan vaksinasi Covid-19. Penerapan kebijakan pemerintah tersebut menuai berbagai kontroversi dikalangan masyarakat Indonesia khususnya pengguna media sosial Twitter dengan tanggapan yang beragam. Dalam penelitian ini peneliti tertarik untuk mengklasifikasi sentimen masyarakat Indonesia khususnya pengguna media sosial Twitter tentang ditetapkannya kebijakan pemerintah terkait vaksinasi Covid-19 dengan menggunakan algoritma Support Vector Machine, Naïve Bayes dan Random Forest serta mengetahui perbandingan performa ketiga algoritma tersebut. Berdasarkan penelitian yang dilakukan, implementasi algoritma Support Vector Machine, Naïve Bayes dan Random Forest dalam analisis sentimen masyarakat Indonesia tentang Kebijakan Pemerintah terkait vaksinasi Covid-19 berhasil dilakukan dengan menghasilkan nilai tingkat akurasi Naïve Bayes 88.36%, Support Vector Machine 91,53%, dan Random Forest 82.54%. Tingkat akurasi yang dihasilkan dalam perbandingan ketiga metode tersebut menunjukan bahwa algoritma Support Vector Machine memiliki performa terbaik dengan tingkat akurasi tertinggi dibandingkan dengan algoritma Naïve Bayes dan Random Forest dalam menganalisa sentimen masyarakat pengguna Twitter tentang kebijakan pemerintah terkait vaksinasi Covid-19