Analisa Sentimen Vaksinasi Covid-19 Dengan Metode Support Vector Machine Dan Naïve Bayes Berbasis Teknik Smote

Abstract

Keadaan dan tantangan pandemi pada awal tahun 2021 dengan telah ditemukannya vaksin atas virus Covid-19 tentunya diperlukan percepatan dalam pemberian vaksin kepada seluruh umat manusia di seluruh dunia. Di Indonesia, Pemerintah menggalakan program vaksinasi masal kepada seluruh Warga Negara Indonesia dengan melakukan percepatan vaksinasi di seluruh wilayah Indonesia sampai dengan saat ini. Berdasarkan hal tersebut diatas dipandang perlu melakukan analisa sentimen. Media sosial twitter dipilih sebagai salah satu sarana dalam analisas sentiman ini. Terdapat 1013 komentar positif dan negatif para pengguna twitter dengan kata kunci “vaksin” yang didapatkan untuk diproses terkait tanggapan masyarakat atas pelaksanaan vaksinasi masal yang dilaksanakan di Indonesia. Dengan menggunakan Algoritma Support Vector Machine (SVM) dan Naïve Bayes berbasis SMOTE dilakukan perbandingan pengujian atas komentar positif dan negatif tersebut. Dari proses pengujian tersebut didapatkan hasil akurasi dari algoritma SVM menggunakan teknik SMOTE didapatkan nilai akurasi =70.51% dan nilai AUC =0.827, sedangkan proses pengujian menggunakan algoritma Naïve Bayes dengan teknik SMOTE didapatkan nilai akurasi = 64.36% dan nilai AUC = 0.423. dari proses diatas, penggunaan Support Vector Machine berbasis teknik SMOTE memiliki akurasi yang lebih tinggi sehingga dapat digunakan untuk memberikan solusi terhadap analisis sentimen vaksinasi Covid-19.

Perancangan Klasifikasi Algoritma Naive Bayes Pada Data Pemilihan Jurusan Siswa

“…Sampel-sampel baru ini kemudian ditambahkan ke dalam data pelatihan, sehingga pengklasifikasi dapat dilatih dengan menggunakan data yang telah diperluas. Algoritma SMOTE umumnya memiliki tingkat akurasi yang lebih baik jika dibandingkan dengan pendekatan oversampling yang umum digunakan [12].…”