Analisis Sentimen Terhadap Vaksinasi Covid-19 Menggunakan Metode Term Frequency-Inverse Document Frequency dan Support Vector Machine

Sejak awal 2019 beberapa negara telah memberitakan virus Covid-19, dimana Virus Covid-19 ini telah memberikan dampat baik negatif maupun positif seluruh dunia dan meningkatnya angka kematian sehingga WHO mencanangkan beberapa program yang dapat membantu memutus rantai penyebaran virus Covid-19, salah satunya adalah program Vaksinasi. Di Indonesia program vaksinasi ini telah memberikan banyak opini masyarakat baik positif maupun negatif mengenai vaksinasi Covid-19. Oleh karena itu pada penelitian ini mencoba merancang suatu sistem mengenai analisis sentimen terhadap vaksinasi Covid-19. Dalam merancang analisis ini melakukan suatu metode, Dalam penelitian ini digunakan istilah frequency-inverse.. document frequency (TF-IDF) yang digunakan untuk pembobotan term (Term Weighting) convert dari tipe data string ke binary sehingga dapat menghasilkan output yang sesuai dengan spesifikasi dari user. Namun pada metode ini membutuhkan waktu komputasi yang cukup lama ketika data dalam jumlah yang besar, Oleh karena itu pada penelitian ini dilakukan penggabungan metode yaitu metode Term Frequency – Inverse Document Frequency (TF-IDF) dan Support Vector Machine (SVM). Dimana metode Support Vector Machine (SVM) adalah salah satu..metode yang memiliki waktu yang cukup cepat dalam mengklasifikasi data dalam jumlah yang besar. Tahap evaluasi dilakukan menggunakan K-Fold Cross Validation dengan jumlah 10-fold. Hasil percobaan dilakukan menggunakan data testing dengan label positif sebanyak 71 data dan label negative 192 data. Dari hasil percobaan mendapatkan nilai persentase rata-rata dari F1-Score 94.58% dan classification accuracy sebesar 95.85%. Model terbaik di dapatkan pada percobaan evaluasi menggunakan 10 fold cross validation dengan nilai persentase F1-Score terbaik didapatkan pada fold ke 2 mencapai 98.08% sedangkan nilai persentase akurasi terbaik didapatkan pada fold ke 2 mencapai 98.47%.