ANALISIS SENTIMEN TANGGAPAN MASYARAKAT TERHADAP VAKSIN PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA C4.5

HIZA MU'MINATUL FITRIANI

Informasi Umum

Kode

23.04.935

Klasifikasi

006.312 - Data mining

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Mining, Machine Learning,

Dilihat

315 kali

Informasi Lainnya

Abstraksi

Covid-19 ini merupakan jenis virus yang dapat menular ke manusia melalui droplet, apabila kontak dengan droplet maka muncul gejala awal yang tidak spesifik seperti demam, batuk, anosmia, sesak napas yang kemudian dapat sembuh secara spontan atau memerlukan waktu yang cukup lama. Covid-19 ditemukan di Wuhan, Cina pada Desember 2019 dan telah menyebar dengan cepat ke berbagai belahan dunia. Naiknya angka covid membuat pemerintah mengadakan vaksin covid, yang mana vaksin dan covid ini sering menjadi bahan pembahasan di kalangan masyarakat khususnya pengguna media sosial Twitter. Twitter ini merupakan sebuah aplikasi yang yang bertujuan untuk berkomunikasi dan pertukaran pesan dengan sesama pengguna Twitter. Peneliti mengambil data dari Twitter sebanyak 15.740 data tanggapan dari masyarakat. Namun, tidak banyak juga masyarakat yang tanggapan baik mengenai vaksin. Hasil Analisa tanggapan masyarakat menghasilkan akurasi yang terbaik yaitu 88%. Hal ini dapat mengetahui akurasi tanggapan masyarakat mengenai vaksin dengan menggunakan implementasi data mining menggunakan algoritma C4.5 Decision Tree. Tanggapan masyarakat untuk memprediksi tanggapan tentang vaksin covid ke dalam kategori Positif, Netral dan Negatif. Dari penelitian vaksin covid ini mendapatkan hasil akurasi tertingi sebesar 88%. Dari hasil tanggapan di Twitter mengenai vaksin tersebut didapat hasil precision 73,33% dan recall 72,66% sehingga menghasilkan f1-measure sebesar 73%, selain f1- measure, pada penelitian ini, menerapkan K-Fold Cross Validation dan menghasilkan nilai akurasi 73,85% dari persentase yang diperoleh maka model masuk ke dalam klasifikasi cukup. Dari hasil penelitian ini diharapkan dapat memberikan informasi yang bermanfaat bagi stakeholder terutama pihak dinas Kesehatan dalam pengambilan keputusan untuk vaksin covid-19.