Analisis Klasifikasi Sentimen Pengguna Media Sosial Twitter Terhadap Pengadaan Vaksin COVID-19
Main Article Content
Abstract
Media sosial seperti Twitter, Facebook, dan Instagram merupakan media komunikasi terpopuler di masyarakat saat ini. Twitter seringkali digunakan untuk mengungkapkan emosi mengenai suatu hal, baik memuji ataupun mencela.Emosi tweet para pengguna twitter dapat dikenali dengan analisis opini atau sentimen. Indonesia juga menjadi salah satu Negara yang pengguna aktif harian twitter nya cukup tinggi, sehingga twitter dapat dijadikan sebagai media untuk melakukan analisis sentimen terhadap topik vaksin corona. Analisis sentimen dilakukan untuk melihat pendapat atau opini terhadap sebuah masalah atau objek, apakah cenderung beropini negatif atau positif. Pengumpulan data dilakukan dengan teknik web scraper yang menghasilkan 1000 record sejak tanggal 20 Oktober sampai 1 November 2020, data yang telah scraping kemudian dianalisis mengikuti tahapan text mining yaitu case folding, tokenizing, dan stopword removal. Hasil dari penelitian ini menunjukkan persentase opini masyarakat terhadap vaksin corona yaitu 48% positif, 29% netral, dan 23% negatif.
Article Details
Submission of an original manuscript to the journal will be taken to mean that it represents originality work not previously published. Please see JIEET (Journal of Information Engineering and Educational Technology) originality guidelines for details. Use this in conjunction with the points below about references, before submission i.e. always attribute clearly using either indented text or quote marks as well as making use of the preferred IEEE style of formatting. Authors submitting articles for publication warrant that the work is not an infringement of any existing copyright and will indemnify the publisher against any breach of such warranty. For ease of dissemination and to ensure proper policing of use, papers and contributions become the legal copyright of the publisher unless otherwise agreed.
The editor may make use of Thurnitin software for checking the originality of submissions received.
References
Imane Guellil, Faical Azouaou, Francisco Chiclana. (2020) ArAutoSenti: automatic annotation and new tendencies for sentiment classification of Arabic messages. Social Network Analysis and Mining.
Mohammed Kaity, Vimala Balakrishnan. (2020) Sentiment lexicons and non-English languages: a survey. Knowledge and Information Systems.
Pamungkas, Muhammad fahmi, director. Cara Scraping Data Twitter Menggunakan Python Tanpa API [Mengambil Data Twitter Menjadi CSV], 28 July 2020, http://www.youtube.com/watch?v=YKdMAndA5Po&t=460s".
Yufis Azhar, Agus Zainal Arifin, Diana Purwitasari. 2013.Otomatisasi Perbandingan Produk Berdasarkan Bobot Fitur pada Teks Opini
Nuke Y. A. Faradhillah, Renny Pradina Kusumawardani, Irmasari Hafidz. 2016. Eksperimen Sistem Klasifikasi Analisa Sentimen Twitter pada Akun Resmi Pemerintah Kota Surabaya berbasis Pembelajaran Mesin
Robi Kurniawan, Aulia Apriliani. 2020. Analisis Sentimen Masyarakat terhadap Virus Corona berdasarkan Opini dari Twitter berbasis Web Scrapper. Makassar.