Implementasi Algoritma Multinomial Naive Bayes dalam Analisis Sentimen terhadap Vaksinasi COVID-19 pada Media Sosial Twitter

Berdasarkan survei yang diberlakukan sebelum pendistribusian vaksinasi COVID- 19 dimulai, sebanyak 45,7% responden menyatakan bahwa mereka tidak bersedia untuk menerima vaksin. Sedangkan, pada 13 Januari 2021, vaksinasi sudah mu- lai diberlakukan. Respon yang diberikan juga bermunculan sebelum dan sesudah vaksinasi dilakukan. Salah satu media sosial yang digunakan untuk mencurahkan respon tersebut adalah Twitter, baik itu mendukung ataupun menolak adanya vaksi- nasi. Oleh karena itu, penelitian ini dibuat dengan tujuan untuk mengklasifikasi apakah suatu curahan yang diunggah melalui media sosial tersebut termasuk sen- timen yang positif, netral, atau negatif. Model klasifikasi yang digunakan adalah algoritma Multinomial Na¨ive Bayes dengan bantuan model pembobotan kata TF- IDF Vectorizer yang dapat memberikan bobot kata lebih baik dibandingkan Count Vectorizer. Dari penelitian yang telah dilakukan pada dataset yang tidak seim- bang, klasifikasi terbaik dilakukan dengan tanpa menggunakan TF-IDF Vector- izer, dengan f1-score sebesar 55,01% dan akurasi sebesar 69,81% ketika hasil dari klasifikasi yang benar sangat diperhatikan. Namun, ketika memperhatikan jumlah klasifikasi yang benar, maka TF-IDF Vectorizer memberikan klasifikasi terbaik de- ngan f1-score mencapai 47,72% dan akurasi mencapai 71,19%. Sedangkan, untuk dataset yang seimbang, klasifikasi terbaik didapatkan ketika menggunakan TF-IDF Vectorizer, dengan f1-score sebesar 82,81% dan akurasi sebesar 83,18%