TA : Analisis Sentimen Tanggapan Masyarakat Terhadap Vaksin Covid-19 menggunakan Algoritma Support Vector Machine (SVM)

Zalyhaty, Layla Qodary (2021) TA : Analisis Sentimen Tanggapan Masyarakat Terhadap Vaksin Covid-19 menggunakan Algoritma Support Vector Machine (SVM). Undergraduate thesis, Universitas Dinamika.

Preview	Text 17410100190-2021-UNIVERSITASDINAMIKA.pdf - Accepted Version Download (1MB) | Preview
	Text 17410100190-2021-LAMPIRAN.pdf - Accepted Version Restricted to Repository staff only Download (1MB)

Search this title on : |

Abstract

Salah satu solusi pemerintah untuk mengatasi wabah COVID-19 adalah dengan pengadaan vaksin COVID-19. Namun pengadaan vaksin COVID-19 menimbulkan pro dan kontra di masyarakat. Beberapa ada yang mendukung vaksin, ada yang meragukan, bahkan ada juga yang menolak vaksin COVID-19. Penelitian ini mengambil tanggapan dan opini masyarakat sejumlah 283 data dari 7 media berita online seperti Kompas.com, Tempo.co dan IDN Times. Namun data tanggapan masyarakat yang berasal dari media berita online masih belum terstruktur karena masih terdapat tanda baca dan bahasa yang tidak baku. Untuk mengatasi permasalahan tersebut, studi ini akan menganalisis sentimen dengan mengklasifikasikan tanggapan masyarakat menjadi kelas positif atau negatif menggunakan algoritma Support Vector Machine tujuannya supaya dapat membantu pemerintah untuk mengetahui tanggapan ataupun kekhawatiran masyarakat terhadap vaksin COVID-19, dan juga bahan evaluasi untuk menentukan strategi selanjutnya terkait edukasi maupun sosialisasi tentang vaksin COVID-19 kepada masyarakat. Tahapan yang dilakukan dimulai dari pengumpulan data dari media berita online, pelabelan data secara manual, kemudian tahapan text pre-processing pada Phyton, pembobotan TF-IDF, pembuatan model klasifikasi SVM, pengujian model klasifikasi, validasi, evaluasi dan visualisasi. Dari total 283 data tanggapan masyarakat terhadap vaksin COVID-19 dengan perbandingan 90:10, data training sejumlah 254 dan data testing sejumlah 29 menghasilkan persentase 66,8% untuk sentimen positif dan 33,2% untuk sentimen negatif, rata-rata cross validation score senilai 72,44%, skor akurasi senilai 82,76%, presisi senilai 78,26% dan recall 100%.

Export Record

ASCII Citation Atom BibTeX Dublin Core EP3 XML EndNote HTML Citation JSON METS MODS MPEG-21 DIDL OpenURL ContextObject OpenURL ContextObject in Span RDF+N-Triples RDF+N3 RDF+XML Refer Reference Manager Simple Metadata

Download Statistics

Downloads over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

View more statistics

Actions (login required)

View Item