Analisis Sentimen Masyarakat Terhadap Virus Corona Berdasarkan Opini Dari Twitter Berbasis Web Scraper

Abstract

Indonesia menjadi salah satu Negara yang pengguna aktif harian twitternya cukup tinggi, berdasarkan hal tersebut twitter dapat dijadikan sebagai media untuk melakukan analisis sentimen terhadap topik corona. Analisis sentimen merupakan salah satu cabang dari text mining yang melakukan proses klasifikasi pada dokumen atau teks. Penelitian ini bertujuan untuk mengetahui bagaimana dampak virus corona di Indonesia sesuai opini masyarakat melalui twitter. Pengumpulan data dilakukan dengan teknik web scraper yang menghasilkan 1000 record sejak tanggal 20 Januari sampai 1 Februari 2020, data yang telah di scraping kemudian dianalisis mengikuti tahapan text mining yaitu case folding, tokenizing dan filtering. Hasil dari penelitian ini menunjukan persentase opini masyarakat terhadap virus corona yaitu 79% negatif, 11% Netral dan 10% Positif. Kata kunci : corona, analisis sentimen, twitter;

Pemodelan Topik pada Cuitan tentang Penyakit Tropis di Indonesia dengan Metode Latent Dirichlet Allocation

“…Ada banyak hal yang dapat dilakukan oleh analisis teks seperti spam detection, news articles categorization, social media analysis and monitoring, bio-medical, security intelligence, marketing and crm, sentiment analysis, ad placements, virtual assistants dan chatbots (Sarkar, 2009) Penelitian sebelumnya analisis teks dalam bidang kesehatan digunakan untuk mengamati sentimen masyarakat melalui media sosial Twitter terhadap opini mengenai covid-19. Hasil penelitian tersebut 79% polaritas tweet negatif, 11% netral dan 10% positif (Kurniawan & Apriliani, 2020). Kemudian pada penelitian berikutnya, pembuatan aplikasi chatbot pada media sosial Line oleh pelayanan publik kesehatan di kota Malang guna mempermudah komunikasi mengenai kesehatan dengan masyarakat (Hormansyah & Aulia, 2018) dan pada penelitian berikutnya chatbot juga diterapkan pada layanan kesehatan yakni puskesmas dan hasil studi menyatakan tingkat kepuasan pengguna terhadap adanya chatbot pada layanan kesehatan sangat puas yakni sebesar 76.7% (Falah & Syamsidar, 2021).…”

Komparasi Metode Naïve Bayes Dan K-Nearest Neighbor Terhadap Analisis Sentimen Pengguna Aplikasi Pedulilindungi

“…Sedangkan penelitian sentimen analisis oleh Kurniawan dan Apriliani tentang analisis sentimen tentang kasus virus corona di Indonesia, disampaikan dalam penelitiannya menggunakan metode Naïve Bayes dan tidak disampaikan tool apa yang digunakan dalam penelitiannya (Kurniawan and Apriliani 2020). Sentimen analisis atau bisa juga disebut dengan opinion mining termasuk dalam text mining (Hotho, Nürnberger, and Paaß 2005).…”

Pemilihan Metode dan Algoritma dalam Analisis Sentimen di Media Sosial : Sistematic Literature Review

“…Gambar 2 merupakan hasil penyandian axial artikel yang diklasifikasikan berdasarkan studi kasus, dengan deskripsi topik ulasan sebagai berikut : perguruan tinggi [15]; covid-19 [16], [17]; usaha waralaba [18]; ulasan video [19], [20]; ulasan produk [21]- [26]; ulasan pelanggan guest house [27]; ulasan aplikasi mobile [28]- [31]; pornografi [32]; travel agent [33], [34]; topik viral desa penari [35]; tokoh publik [36], [37]; solusi pengelolaan sampah [38]; sistem pencarian kost [39]; ruang belajar dan ruang guru [40]; perusahaan penjual online [24], [41], [42]; pengguna aplikasi mobile [43]. Hal ini menunjukkan bahwa kajian analisis sentimen terkait dengan ulasan video, produk, aplikasi mobile, travel agent, tokoh publik, perusahaan penjualan online menjadi populer.…”