Penerapan Algoritma Support Vector Machine untuk Klasifikasi Sentimen Vaksin Booster pada Twitter

Abstract

Rendahnya cakupan vaksin booster di Indonesia dipengaruhi oleh banyak factor dan menuai pro kontra dari masyarakat Indonesia. Cukup banyak masyarakat yang tidak mau melakukan vaksin booster. Hal ini dikarenakan dikalangan masyarakat Indonesia masih meragukan keamanan, efektivitas dan juga keampuhan vaksin booster. Pro dan kontra tentang vaksin booster ini salah satunya tertuang pada media sosial twitter. Masyarakat mengungkapkan opininya pada media twitter dengan menggunakan hashtag. Studi komputasional dari opini- opini orang yang menjadi satu disebut dengan sentiment analisis atau opinion minning. Sentiment analisis merupakan sebuah teknik atau cara yang digunakan untuk mengidentifikasi bagaimana sebuah sentiment diekspresikan sebagai sentiment positif maupun sentiment negatif. Teknik yang digunakan untuk mengklasifikasikan sentiment analisis tersebut yaitu Support Vector Machine (SVM). Tujuan dari penelitian ini adalah menerapkan metode algoritma Support Vector Machine (SVM) untuk mengklasifikasikan sentiment vaksin booster pada social media twitter. Hasil dari penelitian ini diperoleh pada proses K-fold cross validation nilai akurasi tertinggi yang dihasilkan menggunakan metode Support Vector Machine (SVM) berdasarkan langkah uji ketiga di KF=10 yaitu 84% dan nilai akurasi terendah yaitu 52% dengan menggunakan KF=10 pada langkah uji ini mendapat nilai akurasi sebesar 73% dan lebih tinggi daripada langkah uji yang mengunakan K-fold 2 dan K-fold 5.