Open AccessAnalisis Sentimen Terhadap Vaksin Covid-19 di Indonesia pada Twitter Menggunakan Metode Lexicon Based
Author(s) -
Putri Amira Sumitro,
Rasiban,
Dadang Iskandar Mulyana,
Wahyu Adhi Saputro
Publication year - 2021
Publication title -
jurnal informatika dan teknologi komputer
Language(s) - Italian
Resource type - Journals
eISSN - 2775-2089
pISSN - 2774-7115
DOI - 10.33059/j-icom.v2i2.4009
Subject(s) - lexicon , covid-19 , humanities , computer science , medicine , artificial intelligence , art , disease , pathology , infectious disease (medical specialty)
Meningkatnya jumlah kasus Covid-19 di Indonesia, pemerintah RI telah melakukan berbagai upaya dalam penanganan Covid-19, salah satunya kebijakan vaksin Covid-19 untuk seluruh masyarakat indonesia. Dengan adanya kebijakan tersebut, banyak sekali masyarakat yang menyampaikan opininya melalui Twitter. Tujuan penelitian analisis sentimen ini untuk mengetahui opini masyarakat tentang kebijakan vaksin covid-19 pada twitter apakah opini tersebut masuk kedalam kelas sentimen yang di katagorikan menjadi 5 yaitu sentimen sangat positif, sentimen positif, sentimen negatif, sentimen agak negatif ataupun netral serta mengetahui hasil akurasi persentasi dari setiap kelas polaritas. Metode penelitian lexicon based menggunakan library vader sentiment. Vader sentiment, yaitu metode analisis lexicon-based berbasis rule-based sentiment analysis. Berdasarkan hasil akurasi persentase yang didapat sentimen positif sebanyak 20,25%, agak positif sebanyak 23,9%, negatif sebanyak 1,88%, agak negatif sebanyak 9,6% dan netral sebanyak 44,36%. Dapat disimpulkan bahwa opini masyarakat terhadap vaksin Covid-19 pada Twitter menggunakan metode lexicon based dengan memanfaatkan library vader sentiment kebanyakan adalah bersifat netral.