ANALISIS SENTIMEN DIGITAL EMPATHY MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN ALGORITMA RELIEFF (STUDI KASUS PANDEMI COVID-19)

Covid-19 adalah ivirus yang muncul ipada akhir tahun i2019 dan menyebar dengan sangat cepat, lebih idari 1,5 juta ikaryawan putus kerja sebagai akibat pandemi tersebut. Banyaknya jumlah korban yang merasakan dampak langsung pandemi ini, tak jarang masyarakat menyampaikan keresahan maupun empati melalui media sosial, khususnya Twitter. Empati yang disampaikan melalui media sosial secara daring tanpa adanya interaksi interpersonal secara langsung inilah yang disebut digital empathy. Digital empathy yang disampaikan melalui Twitter bisa dimanfaatkan untuk ianalisis sentimen. Analisis isentimen merupakan salah isatu cabang text imining untuk mengetahui pendapat atau penilaian seseorang terhadap suatu iperistiwa. Penelitian ini bertujuan untuk imengetahui nilai akurasi, precision, recall dan f1-score dari sistem analisis sentimen digital empathy. Pengumpulan idata dilakukan dengan icara melakukan crawling idengan kata “covid” sebagai kata kunci. Pada penelitian ini diusulkan penggunaan metode Support Vector Machine dan algoritma ReliefF sebagai iseleksi fitur. Dokumen tweet akan melalui tahap labeling dan preprocessing terlebih dahulu, lalu dilakukan ekstraksi fitur dengan TF-IDF sebelum akhirnya siap untuk diklasifikasikan. Melalui proses klasifikasi, kemudian akan menghasilkan 2 kelas, yaitu positif dan negatif. Berdasarkan penelitian yang dilakukan, akurasi yang diperoleh sistem dengan metode SVM tanpa seleksi fitur ReliefF adalah 83%. Sedangkan akurasi yang diperoleh sistem dengan menerapkan algoritma seleksi fitur ReliefF mencapai 93% dengan penggunaan 85% fitur dari total keseluruhan fitur.