Analisis Sentimen Vaksin Covid-19 Di Indonesia Menggunakan Algoritma Naive Bayes Berbasis Particle Swarm Optimization

Pengembangan vaksin COVID-19 akibat dari merebaknya corona virus membuat masyarakat Indonesia memberikan pendapat dan opininya melalui berbagai media, salah satunya media sosial Twitter, yang apabila dikumpulkan akan dapat dibuat kesimpulan melalui analisis sentimen. Analisis sentimen dilakukan untuk melihat pendapat atau kecenderungan opini terhadap sebuah masalah atau objek oleh seseorang yang bersifat positif atau negatif. Dalam penelitian ini, Algoritma Naive Bayes digunakan untuk melakukan klasifikasi sentimen ke dalam kelas positif dan negatif yang dioptimasi menggunakan metode Particle Swarm Optimization (PSO) mengenai vaksin COVID-19 di Indonesia. Penelitian ini menggunakan 2547 data tweet dengan kata kunci ‘vaksin covid’ yang diperoleh menggunakan Twitter API. Percobaan klasifikasi tweet menggunakan algoritma Naive Bayes pada 2547 data tweet dengan seleksi fitur PSO menghasilkan distribusi sentimen sebanyak 2328 kelas positif dan 219 kelas negatif yang mayoritas berasal dari Pulau Jawa berdasarkan matriks bilangan random yang telah diinisialisasi pada metode PSO. Nilai ketepatan klasifikasi accuracy dan F1 Score secara berturut-turut sebesar 91.28% dan 95.38%. Kombinasi algoritma Naive Bayes dengan seleksi fitur PSO terbukti memberikan solusi untuk masalah klasifikasi tweet dengan hasil yang akurat dan optimal.