Perbandingan Algoritma Machine Learning untuk Analisis Sentimen Masyarakat Indonesia terhadap Vaksinasi Covid-19 dari Media Sosial Twitter

Virus COVID-19 adalah salah satu virus yang menyebabkan gangguan pada pernafasan saat seseorang terjangkit. Semenjak ditemukan pada akhir tahun 2019, asal mula dari virus ini belum diketahui secara pasti. Virus COVID-19 menyebar dengan cepat ke seluruh dunia, sehingga World Health Organization (WHO) menetapkan virus COVID-19 sebagai pandemi. Setelah virus COVID-19 ditetapkan sebagai pandemi, negara-negara di dunia banyak yang mulai membuat vaksin untuk membendung penyebaran virus COVID-19 namun kabar baik tidak selalu terdengar dari masing-masing vaksin, seperti pembekuan darah, vaksin yang kurang efektif dan yang lainnya. Oleh karena itu penelitian akan menggunakan analisa sentimen dengan algoritma Naive Bayes dan Neural Network untuk melihat sentimen masyarakat Indonesia terhadap vaksinasi yang dibagi menjadi 3 kategori yatu positif, negatif dan netral. Penelitian akan diawali dengan mengumpulkan 10000 ribu baris data dari Twitter dimana, kata kunci yang digunakan untuk menarik data adalah kata- kata yang kemungkinan berhubungan dengan vaksinasi di Indonesia. Setelah itu hasil dari sentimen tersebut akan dimasukan kedalam 2 algoritma yaitu Naive Bayes dan Neural Network. Lalu performa masing-masing model akan dihitung dan dibandingkan satu sama lain menggunakan Confusion Matrix. Hasil dari penelitian ini menunjukan bahwa model machine learning dapat digunakan untuk mendeteksi sentiment untuk bahasa Indonesia. Untuk hasil pelatihan model dalam penelitian ini menunjukan bahwa model Neural Network memiliki hasil akurasi 85.02% dibandingkan dengan Naive Bayes dengan akurasi 76.48%. Dengan ini dapat disimpulkan bahwa Neural Network memiliki tingkat akurasi yang lebih baik dari Naive Bayes yang selisihnya hampir mencapai 9%