Sentimen Analysis Menggunakan Support Vektor Machine Untuk Representasi Kepatuhan Masyarakat Pada Masa Pandemi Covid 19

  • Kode Repository : SKI141/KRI/2020
  • NPM : 065116158
  • Nama : Krisna
  • Pembimbing 1 : -Eneng Tita Tosida, S.Tp, M.Si, M.Kom
  • Pembimbing 2 : -Erniyati, S.Kom., M.Kom
  • Abstrak : -SENTIMENT ANALYSIS MENGGUNAKAN SUPPORT VECTOR MACHINE UNTUK REPRESENTASI KEPATUHAN MASYARAKAT PADA MASA PANDEMI COVID-19 Eneng Tita Tosida, Erniyati, Krisna, Department of Computer Science, Faculty of Mathematics and Natural Sciences, Universitas Pakuan, Indonesia enengtitatosida@unpak.ac.id; neni_erniyati@yahoo.com; tkjkrisna@gmail.com Abdul Talib Bon Department of Production and Operations, University Tun Hussein Onn Malaysia, Malaysia talibon@gmail.com Abstrak Virus corona adalah keluarga besar virus yang dapat menyebabkan penyakit pada hewan atau manusia. Pada manusia virus corona diketahui menyebabkan infeksi pernafasan mulai dari flu biasa hingga penyakit yang lebih parah seperti Middle East Respiratory Syndrome (MERS), dan Severe Acute Respiratory Syndrme (SARS). Penelitian ini bertujuan untuk mengimplementasikan Sentiment Analysis Menggunakan Support Vector Machine Untuk Representasi Kepatuhan Masyarakat Pada Masa Pandemi Covid-19. Dalam penelitian ini data yang digunakan adalah data yang diambil dari media sosial Twitter dengan kata kunci “patuh PSBB belajar dirumah”, “patuh PSBB WFH”, “patuh PSBB transportasi” dan ”patuh physical distancing”. Kemudian data tersebut diolah dengan metode Knowledge Discovery and Data Mining (KDD) dan text mining. Dari hasil analisis sentimen terhadap patuh WFH yang dilakukan, didapatkan hasil sentimen patuh dan tidak patuh sebanyak 326 dan 135 dengan hasil akurasi sebesar 98%. Lalu untuk hasil analisis sentimen terhadap patuh PSBB belajar dirumah didapatkan hasil sentimen patuh dan tidak patuh PSBB belajar dirumah sebanyak 880 dan 524 komentar dari hasil keseluruhan dengan nilai akurasi sebesar 93%. Sedangkan untuk hasil analisis sentimen terhadap patuh transportasi yang telah dilakukan didapatkan hasil sentimen patuh dan tidak patuh sebanyak 239 dan 237 komentar dari hasil keseluruhan dengan nilai akurasi 88% dan untuk hasil analisis sentimen terhadap patuh physical distancing didapatkan hasil sentimen patuh dan tidak patuh sebanyak 339 dan 80 komentar dari hasil keseluruhan dengan nilai akurasi 90%. Kata Kunci: Text Mining, Knowledge Discovery and Data Mining, text mining, Sentiment Analisis, Support Vector Machine, Covid-19.
  • Program Studi : Ilmu Komputer