Pandemi Covid-19 berdampak buruk terutama pada sektor kesehatan, ekonomi, dan pendidikan. Pemerintah Indonesia melakukan pencegahan dengan melakukan vaksin dosis ke-1 dan ke-2. Namun, dinilai masih kurang efektif untuk menghambat penyebaran virus. Selanjutnya diperkuat dengan melakukan vaksin ke 3 (booster). Tujuan dari penelitian ini untuk menganalisis sentimen pada masyarakat mengenai pelaksanaan vaksin booster. Analisis ini untuk membantu stakeholder dalam memahami sentimen masyarakat baik positif, netral, maupun negatif. Data yang digunakan sebanyak 1.122 tweet dengan menggunakan kata kunci "vaksin booster dan covid". Pada penelitian ini, kami menggunakan algoritma Naïve Bayes untuk prediksi sentimen analisis. Dataset untuk pelatihan dan pengujian sebesar 90% (1.009) dan tes 10% (113). Hasil eksperimen menghasilkan akurasi prediksi sebesar 72%, precission 68%, recall 74%, F1-score 70%, dan nilai AUC/ROC 82%. Hasil analisis sentimen "netral" sebanyak 518 (46.2 %), "positif" sebanyak 437 (38.9%), dan "negatif" sebanyak 167 (14.9%). Hasil dapat diartikan bahwa Algoritma Naïve Bayes memiliki performa klasifikasi yang baik untuk target sentimen multi-kelas.Keyword: Analisis Sentimen, Text mining, Naïve Bayes, Vaksin Booster, Covid-19.
Copyrights © 2023