ANALISIS SENTIMEN OPINI WARGANET TWITTER TERHADAP TES SCREENING GENOSE PENDETEKSI VIRUS COVID-19 MENGGUNAKAN METODE NAÏVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION

Abstract

Munculnya pandemi COVID-19 mengakibatkan masyarakat harus selalu memeriksakan kesehatannya, terutama dalam menentukan gejala awal seseorang terpapar virus COVID-19 itu sendiri. Pada penelitian ini dilakukan analisis sentimen tweet masyarakat terkait screening genose test sebagai alat deteksi dini virus covid-19 dengan mengklasifikasikan respon yang mengandung sentimen positif dan negatif melalui jejaring sosial Twitter. Metode yang digunakan dalam penelitian ini adalah Nave Bayes Based Particle Swarm Optimization. Dengan proses crawling data dari twitter menggunakan RapidMiner. Preprocessing data yang telah didapatkan dari Twitter menggunakan cleansing, tokenize, transform case, filter token, stopwords, dan stems. Dengan menetapkan sentimen secara manual ke proses klasifikasi. Data yang digunakan adalah tweet berbahasa Indonesia dengan kata kunci “Genose Test”, jumlah dataset adalah 770 data tweet. Hasil uji analisis sentimen Naïve Bayes dengan hasil akurasi sebesar (67,11%) sedangkan hasil uji Nave Bayes + Particle Swarm Optimization menghasilkan akurasi sebesar (87,01%). Hasilnya meningkat sebesar (19,9%) dengan kinerja AUC (0,26), (399) pengguna twitter memberikan sentimen positif sedangkan (375) memberikan sentimen negatif. Dengan demikian, klasifikasi sentimen menggunakan metode Naive Bayes berbasis Particle Swarm Optimization dapat digunakan untuk mengukur respon tweet masyarakat terhadap tes screening Genose.