ANALISIS SENTIMEN OPINI MASYARAKAT TERHADAP KEBIJAKAN PENANGANAN COVID-19 DI INDONESIA PADA MEDIA SOSIAL TWITTER MENGGUNAKAN PEMBOBOTAN TF-IDF DAN NAIVE BAYES

Kebijakan pemerintah dalam menangani pandemi covid-19 yang telah masuk ke Indonesia menimbulkan tanggapan-tanggapan dari masyarakat termasuk juga pengguna sosial media twitter. Tanggapan atau komentar dari masyarakat pun juga sangat beragama, mulai dari tanggapan positif yang berupa mendukung kebijakan pemerintah dalam menangani covid ini maupun tanggapan negatif yang berupa kritikan terhadap pemerintah yang dianggap sangat meremehkan virus ini. Oleh karena itu dipilihlah analisis sentimen untuk mengetahui suatu opini tersebut masuk ke opini poitif ataupun negatif. Dalam penelitian ini proses analisis sentimen menggunakan metode tf-idf untuk pembobotan kata, metode information gain untuk seleksi fitur, dan metode naïve bayes untuk mengklasifikasikan opini dari masyarakat. Sebelum dilakukan pengklasifikasian data, dilakukan terlebih dahulu proses crawling data sebagai teknik pengumpulan data. Data hasil crawling kemudian akan masuk ke proses prepocessing untuk membuat data lebih rapi dan terstuktur. Hasil penelitian ini menunjukkan bahwa algoritma naïve bayes cukup baik dalam model pengklasifikasian data teks dengan hasil tingkat akurasi, precision, dan recall tertinggi masing�masing sebesar 87,0%, 89,0%, dan 98,0%. Dan untuk tingkat rata-rata akurasi, precision, dan recall masing-masing sebesar 86.2%, 87.6%, 97,0%. Penelitian ini mampu memberikan sebuah informasi yang akurat dan bermanfaat bagi masyarakat mengenai respon pengguna twitter terhadap kebijakan penanganan covid 19 di indonesia.