ANALISIS SENTIMEN OPINI PUBLIK MENGENAI COVID-19 PADA TWITTER MENGGUNAKAN METODE NAÏVE BAYES DAN KNN

  • Muhammad Syarifuddinn (1*) Pendidikan Teknologi Informasi, Ilmu Komputer, Universitas Brawijaya, Malang

  • (*) Corresponding Author
Keywords: Public Opinion, Covid-19, Twitter, Naïve Bayes, KNN

Abstract

Aspirasi, opini dan kritik masyarakat saat ini sangat sulit disampaikan secara langsung, karena beberapa kendala seperti keterbatasan waktu, ruang, bahkan SDM yang sangat sibuk untuk bertemu langsung. Namun, jejaring sosial tidak menutup kemungkinan akan hal tersebut, salah satunya adalah twitter. Twitter merupakan salah satu jejaring sosial yang sering digunakan oleh masyarakat umum untuk mengungkapkan opini, kritik hingga membuat sensasi. Namun di dalam opini pada twitter banyak sekali makna yang berbeda dari setiap netizen, salah satunya adalah tentang opini COVID-19, yang akhir-akhir ini ramai diperbincangkan dari berbagai kalangan. Oleh karena itu perlu suatu analisis sentimen opini masyarakat guna menyelaraskan dan memberi pandangan baru mengenai suatu isu tentang COVID-19, metode yang digunakan adalah algoritma Naïve Bayes dan KNN (K-Nearest Neighbor), metode ini dapat mengklasifikasikan data atau kalimat sehingga menjadi suatu informasi, penelitian ini berfokus pada perbandingan hasil klasifikasi metode Naïve Bayes dan KNN, serta mengetahui kecenderungan opini masyarakat di twitter. Penulis mengambil subjek opini dari twitter menggunakan API twitter sebanyak 1098 opini dengan kata kunci “COVID-19”, tahap pengolahan data dimulai dari klasifikasi opini positif atau negatif, data cleansing, preprocessing, hingga didapatkan hasil akhir. Hasil pengujian diketahui metode Naïve Bayes lebih tinggi nilainya dari berbagai hasil pengujian, salah satunya adalah tingkat accuracy sebesar 63.21%, sedangkan metode KNN sebesar 58.10%, dan didapatkan pula kecenderunga opini masyarakat di twitter condong positif, hal tersebut dapat dilihat dari jumlah opini positif sebesar 610 sedangkan negatif 488, ditunjang dengan hasil pengujian precision di metode Naïve Bayes dengan nilai positif lebih inggi dari pada negatif yaitu 66.40% : 58.94%.

References

Antinasari, P., Perdana, R. S., & Fauzi, M. A. (2017). Analisis Sentimen Tentang Opini Film Pada Dokumen Twitter Berbahasa Indonesia Menggunakan Naive Bayes Dengan Perbaikan Kata Tidak Baku. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 1(12), 1733–1741.

Azizah, K. N. (2020). Heboh Karena Virus Corona, Memangnya Siapa Sih yang Wajib Pakai Masker_. Health.Detik.Com, Berita Detikhealth. https://health.detik.com/berita-detikhealth/d-4902084/heboh-karena-virus-corona-memangnya-siapa-sih-yang-wajib-pakai-masker

Faisal, A., Alkhalifi, Y., Rifai, A., & Gata, W. (2020). Analisis Sentimen Dewan Perwakilan Rakyat Dengan Algoritma Klasifikasi Berbasis Particle Swarm Optimization. JOINTECS (Journal of Information Technology and Computer Science), 5(2), 61. https://doi.org/10.31328/jointecs.v5i2.1362

Fink, C. R., Chou, D. S., Kopecky, J. J., & Llorens, A. J. (2011). Coarse- and fine-grained sentiment analysis of social media text. Johns Hopkins APL Technical Digest (Applied Physics Laboratory), 30(1), 22–30.

Habibi, R., Setyohadi, D. B., & Wati, E. (2016). Analisis Sentimen Pada Twitter Mahasiswa Menggunakan Metode Backpropagation. Jurnal Informatika, 12(1), 103–109. https://doi.org/10.21460/inf.2016.121.462

Hakiem, M., & Fauzi, M. A. (2019). Klasifikasi Ujaran Kebencian pada Twitter Menggunakan Metode Naïve Bayes Berbasis N-Gram Dengan Seleksi Fitur Information Gain. 3(3), 2443–2451.

Indrayuni, E. (2019). Klasifikasi Text Mining Review Produk Kosmetik Untuk Teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes. Jurnal Khatulistiwa Informatika, 7(1), 29–36. https://doi.org/10.31294/jki.v7i1.1

Merdeka. (2020). Data Terkini Jumlah Korban Virus Corona di Indonesia. Merdeka.Com, Peristiwa. https://www.merdeka.com/peristiwa/data-terkini-jumlah-korban-virus-corona-di-indonesia.html

Negara, E. S., Andryani, R., & Saksono, P. H. (2016). Analisis Data Twitter: Ekstraksi dan Analisis Data G eospasial. Jurnal INKOM, 10(1), 27. https://doi.org/10.14203/j.inkom.433

Pertiwi, M. W. (2019). Analisis Sentimen Opini Publik Mengenai Sarana Dan Transportasi Mudik Tahun 2019 Pada Twitter Menggunakan Algoritma Naïve Bayes, Neural Network, KNN dan SVM. Inti Nusa Mandiri, 14(1), 27–32.

Rahutomo, F., Saputra, P. Y., & Fidyawan, M. A. (2018). Implementasi Twitter Sentiment Analysis Untuk Review Film Menggunakan Algoritma Support Vector Machine. Jurnal Informatika Polinema, 4(2), 93. https://doi.org/10.33795/jip.v4i2.152

Suryono, S., Utami, E., & Luthfi, E. T. (2018). Analisis Sentiment Pada Twitter Dengan Menggunakan Metode Naïve Bayes Classifier. Seminar Nasional Geotik 2018, 9–15.

Syarifuddin, M. (2020a). Hasil Pencarian Pada Twitter Dengan Kata Kunci “COVID-19.” Twitter.Com. https://twitter.com/search?q=COVID-19&src=typed_query

Syarifuddin, M. (2020b). Laporan Akhir Penelitian Mandiri: Analisis Sentimen Opini Publik Mengenai Covid-19 Pada Twitter Menggunakan Metode Naïve Bayes Dan Knn.

Wibowo, A., & Winarko, E. (2014). Paper Review: Data Mining Twitter. Maintaining Cultural Heritage Through Information Technology for a Smart Future, November 2014.

Published
2020-08-01
How to Cite
Syarifuddinn, M. (2020). ANALISIS SENTIMEN OPINI PUBLIK MENGENAI COVID-19 PADA TWITTER MENGGUNAKAN METODE NAÏVE BAYES DAN KNN. INTI Nusa Mandiri, 15(1), 23-28. https://doi.org/10.33480/inti.v15i1.1347
Article Metrics

Abstract viewed = 332 times
PDF downloaded = 196 times