Analisa Sentimen Opini Publik Tentang Vaksinasi Covid-19 di Indonesia Menggunakan Naïve bayes dan Decission Tree

Abstract

COVID-19 adalah penyakit baru yang dilaporkan di Wuhan China pada Desember 2019. Berdasarkan dari www.covid19.go.id, di Indonesia per tanggal 20 Januari 2021 terdapat 939 ribu lebih kasus dan sebanyak lebih dari 26 ribu kasus yang mengakibatakan kematian. Pesatnya penyebaran COVID-19 dan bahaya yang ditimbulkan, pemerintahan Indonesia melakukan pencegahan dengan vaksinisasi yang informasinya sudah tersebar diberbagai media sosial, diantarnya ialah facebook page yang dimiliki oleh Kementrian Kesehatan. Facebook page yang memiliki fitur komentar pada postingannya, belum dapat menentukan besar sentimen pengguna tehadap komentar postif atau negatif secara otomatis.  Analisa sentimen merupakan bagian dari teks mining untuk pengelompokan polaritas teks dalam mengetahui polaritas suatu opini yang diberikan bersifat positif atau negatif menggunakan algoritma tertentu. Penelitian ini bertujuan untuk memberikan hasil opini masyarakat tentang analisa sentimen vaksinasi COVID-19 menggunakan algoritma Naïve Bayes Classifier (NBC) dan Decision Tree serta membandingkan tingkat akurasi kedua algoritma tersebut. Hasil penelitian analisa sentimen opini masyarakat tentang vaksinasi COVID-19 yang telah dilakukan, cenderung ke tanggapan negatif dengan nilai akurasi 100.00% menggunakan algoritma NBC dan 50.39% menggunakan algoritma Decision Tree.