ANALISIS SENTIMEN TINDAKAN PEMERINTAH INDONESIA PADA KASUS COVID-19 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Dunia maya menjadi tempat bersosialisasi yang diminati oleh banyak orang melalui media sosial untuk saling berkomunikasi atau menggali informasi, salah satu media sosial yang banyak digunakan di Indonesia adalah Twitter. Twitter sebagai salah satu media sosial sering menjadi wadah untuk penyampaian pesan berupa opini masyarakat, salah satunya opini terhadap kasus Covid-19. Oleh karena itu, peneliti mencoba menganalisa tweet berbahasa Indonesia yang berupa opini masyarakat terhadap tindakan pemerintah dalam kasus Covid-19. Penelitian ini dilakukan dengan menganalisis sentimen menggunakan metode Support Vector Machine (SVM) dengan Kernel Radial Basis Function (RBF). Tweet akan diklasifikasi menjadi sentimen positif, negatif, dan netral, sehingga dapat diketahui seberapa banyak persentase dari masing-masing kategori opini. Penelitian ini menggunakan data sebanyak 600 tweet yang diperoleh dari hasil scraping menggunakan twitterscraper. Hasil dari penelitian ini adalah tingkat akurasi pelatihan sebesar 77% dalam melakukan klasifikasi sentimen positif, negatif, dan netral. Dari hasil klasifikasi data, diperoleh sebagian besar tweet terdiri dari sentimen negatif. Kendala dalam proses analisis sentimen adalah terbatasnya jumlah data dan sebagian besar data berisi katakata singkatan yang tidak dapat dibersihkan pada saat praproses data. Kata Kunci : Analisis Sentimen, RBF, SVM, Twitte