Analisis Sentimen Pengguna Twitter terhadap Vaksinasi COVID-19 di Indonesia menggunakan Algoritme Random Forest dan BERT

Pandemi Covid-19 mendorong banyak pihak agar mampu beradaptasi dengan kondisi terkini. Salah satu program yang diluncurkan pemerintah agar dapat mengatasi penyebaran Covid-19 adalah dengan menjalankan progam vaksinasi. Agar dapat mengetahui animo masyarakat terkait program vaksinasi Covid-19 yang diluncurkan, perlu dilakukan analisis sentimen. Analisis sentimen pada umumnya dilakukan untuk mendapatkan informasi terkini dari korpus yang besar. Tujuan penelitian ini adalah melakukan analisis sentimen pengguna Twitter terhadap vaksinasi Covid-19 di Indonesia menggunakan Algoritme Random Forest dan Bidirectional Encoder Representation from Transformer (BERT). Tahapan penelitian yang dilakukan meliputi praproses data Twitter yang berkaitan dengan vaksinasi Covid-19, pelabelan sentimen, penanganan data yang tidak seimbang, pengklasifikasian dataset menggunakan algoritma Random Forest dan BERT, serta analisis dan evaluasi. Setelah dilakukan penanganan data yang tidak seimbang, hasil analisis sentimen pengguna Twitter terhadap vaksinasi Covid-19 di Indonesia menghasilkan akurasi sebesar 81%, F1-score sebesar 74%, presisi 76%, dan recall 74%. menggunakan algoritme Random Forest dan akurasi sebesar 82%, F1-score 79%, presisi 78%, dan recall 79%. menggunakan Algoritme BERT. Meskipun secara umum Algoritme BERT memiliki kinerja klasifikasi yang sedikit lebih baik dari Algoritme Random Forest, hasil simulasi menunjukkan bahwa algoritme Random Forest memiliki waktu komputasi yang signifikan lebih rendah dibandingkan dengan algoritme BERT pada kasus yang diujikan.The Covid-19 pandemic has encouraged many stakeholders to be able to adapt to current conditions. One of the programs launched by the government in order to overcome the spread of Covid-19 is to run a vaccination program. In order to find out the public's interest in the Covid-19 vaccination program that was launched, it is necessary to carry out a sentiment analysis. Sentiment analysis is generally done to obtain the latest information from a large corpus. The purpose of this study is to analyze the sentiments of Twitter users towards the Covid-19 vaccination in Indonesia using the Random Forest and BERT Algorithms. The research stages include pre-processing Twitter data related to Covid-19 vaccination topics, sentiment labeling, handling unbalanced data, classifying datasets using the Random Forest and BERT algorithms, as well as analysis and evaluation. After handling unbalanced data, the results of Twitter user sentiment analysis for Covid-19 vaccination in Indonesia yielded an accuracy of 81%, F1-score of 74%, precision of 76%, and recall of 74% using the Random Forest algorithm and an accuracy of 82%, F1-score 79%, precision of 78%, and recall of 79% using the BERT Algorithm. Although the BERT Algorithm has generally a slightly higher performance than the Random Forest Algorithm, the simulation results show that the Random Forest algorithm has significantly lower computation time compared to the BERT algorithm in the considered case