Support Vector Machine Method With Word2vec For Covid-19 Vaccine Sentiment Classification On Twitter

Covid-19 telah menjadi wabah berbahaya bagi dunia yang sudah berlangsung lebih dari 2 tahun. Covid-19 telah berevolusi atau berkembang menjadi beberapa variasi baru, seperti delta yang lebih berbahaya dari varian awalnya. Vaksin menjadi solusi dunia untuk bertahan dari Covid-19. Di Indonesia, pada tahap awal penerapan vaksinasi, banyak mendapat pro-kontra di masyarakat. Pada media sosial seperti Twitter, opini masyarakat mengenai vaksin sangat beragam. Penelitian ini menyelidiki sentimen masyarakat terhadap program vaksinasi tahap awal yang dijalankan pemerintah. Metode klasifikasi yang digunakan dalam analisis sentimen adalah algoritma Support Vector Machine (SVM) untuk kelas positif, negatif dan netral, dengan fitur esktraksi word embeddings word2vec. Data dikumpulkan dan diberi label oleh 12 orang anotator secara crowd sourcing. Proses training dan parameter tuning dilakukan untuk mencari model yang menghasilkan akurasi data validasi yang paling baik. Hasil pengujian dari 400 data testing, dengan penerapan model yang paling optmal menghasilkan nilai F1-score sebesar 65% dan akurasi sebesar 69%. Pengujian ini lebih tinggi dari beberapa metode machine learning dalam penelitian yang sama